如何使用 keras 加载图像数据进行回归？

Question

我现在已经阅读了几个教程，这些教程提供了有关如何导入图像以使用 Keras 进行分类的说明。据我所知，所有教程都只是描述一个多类场景（例如猫/狗类）。这些方法不适用于我的问题。

我想做一个回归，将图像作为输入并返回图像作为输出。 我的问题：如果没有分类而是回归，我如何轻松地将图像数据传递给 Keras？

对于每对给定的输入和输出训练数据，我无法从以下位置轻松导入：

├── input_data
│   ├── input0.png
|   ├── input1.png
|   └── ...
└── output_data
    ├── output0.png
    ├── output1.png
    └── ...

至此：

x_train, x_valid, y_train, y_valid = train_test_split(inputs, outputs, test_size=0.2, shuffle= True)

我已经尝试过的：

1. Keras flow_from_directory 方法看起来几乎完美，并提供了不错的功能，但它仅适用于在子目录中排序的分类数据。

2. 其次，还有这个image import function,是Tensorflow给出的。

   from keras.preprocessing.image import img_to_array, load_img
   img = load_img('img.png') 
   x = img_to_array(img)
   

据我所知，这也很简单，只能打开单个图像而不是整个目录。如果遍历整个目录，这可能会有所帮助，但由于 Keras 具有那些不错的预处理功能，我很想知道是否有类似 keras 的方式。所以我的问题：

有什么合适的方法可以导入大型图像数据集进行回归吗？

Answer 1

据我所知，Keras 中没有将所有图像作为数据集加载的特定功能。但是，您可以通过使用os.walk() 和Image.open() 的组合来完成此操作，如下所示可以一次性将所有图像加载到列表中：

import os
from PIL import Image  # or you can use the keras one to load images
def load_dataset(top_dir="input_data"):
    images_dataset = []
    for root, dirs, files in os.walk(top_dir):
        for name in files:
            # print(os.path.join(root, name))
            img = np.array(Image.open(os.path.join(root, name)))
            images_dataset.append(img)
    return images_dataset