7

我正在尝试使用 Keras 进行语义分割，并且在尝试加载图像时，我使用flow_from_directory方法得到了这个错误。

Found 0 images belonging to 0 classes.
Found 0 images belonging to 0 classes.

这是我的代码。

from tensorflow.keras.applications.resnet50 import preprocess_input
from tensorflow.keras.preprocessing.image import ImageDataGenerator

data_generator = ImageDataGenerator()
train_generator = data_generator.flow_from_directory(
                                        directory="../input/Training_dataset/Images",
                                        target_size=(IMG_SIZE, IMG_SIZE),
                                        batch_size=16,
                                        class_mode=None,
                                        classes=None
                                        )

mask_generator = data_generator.flow_from_directory(
    directory="../input/Training_dataset/Masks/all",
    class_mode=None,
    classes=None,
    batch_size = 1,
    )

我已阅读此问题，但解决方案对 Keras 的语义分割不起作用，flow_from_directory() 错误

4

1 回答 1

18

您需要将图像保存在一个子文件夹中，例如在图像和蒙版目录中创建一个名为“img”的文件夹。

-- image
   -- img
      -- 1.jpg
      -- 2.jpg
-- mask
   -- img
      -- 1.png
      -- 2.png

数据生成器应该像：-

seed = 909 # (IMPORTANT) to transform image and corresponding mask with same augmentation parameter.
image_datagen = ImageDataGenerator(width_shift_range=0.1,
                 height_shift_range=0.1,
                 preprocessing_function = image_preprocessing) # custom fuction for each image you can use resnet one too.
mask_datagen = ImageDataGenerator(width_shift_range=0.1,
                 height_shift_range=0.1,
                 preprocessing_function = mask_preprocessing)  # to make mask as feedable formate (256,256,1)

image_generator =image_datagen.flow_from_directory("dataset/image/",
                                                    class_mode=None, seed=seed)

mask_generator = mask_datagen.flow_from_directory("dataset/mask/",
                                                   class_mode=None, seed=seed)

train_generator = zip(image_generator, mask_generator)

如果您想为语义分割模型制作自己的自定义数据生成器以更好地控制数据集，您可以查看我的 kaggle 内核，其中我使用 camvid 数据集训练 UNET 模型。

https://www.kaggle.com/mukulkr/camvid-segmentation-using-unet

如果您需要更好的增强功能，可以查看这个很棒的 GitHub 存储库 - https://github.com/mdbloice/Augmentor

于 2019-09-22T15:05:47.683 回答