Image processing CNN的Keras图像和掩模增强

我试图使用Keras中的ImageDataGenerator和.flow（）来实时增加CNN分割任务的图像数据。对于我对这种编程的基本理解，我深表歉意，因为我对它还很陌生。我有一个下面的函数，其目的是增加图像数据和相应的数据掩码：

def图像增强（imgs、掩码）：
#创建两个具有相同参数的实例
#使用输入扩充值创建字典
数据生成参数=dict（特征中心=False，
featurewise_std_normalization=False，
旋转范围=90。，
宽度\偏移\范围=0.1，
高度位移范围=0.1，
缩放范围=0.2，
水平翻转=真，
垂直（翻转=真）
##将此方法用于图像和遮罩
image\u datagen=ImageDataGenerator（**data\u gen\u args）
mask_datagen=ImageDataGenerator（**数据_gen_args）
#为fit和flow方法提供相同的种子和关键字参数
种子=1
##将增强模型拟合到具有相同种子的图像和遮罩
image_datagen.fit（imgs，augment=True，seed=seed）
mask_datagen.fit（mask，augment=True，seed=seed）
##设置数据来源的参数（图像）
image\u生成器=image\u datagen.flow(
imgs，
批次大小=32，
洗牌=正确，
种子=种子）
##设置数据来源的参数（掩码）
mask_generator=mask_datagen.flow(
面具，
批次大小=32，
洗牌=正确，
种子=种子）
#将生成器组合成一个生成图像和遮罩的生成器
序列生成器=zip（图像生成器、掩码生成器）
##返回列车发电机，以在CNN中输入
回程列车发电机

据我所知，列车生成器应该由32个增强图像和相应的遮罩组成。但是，当我跑步时：

train\u generator=图像增强（imgs\u train、imgs\u spine\u mask\u train）
##运行fit生成器
model.fit\u生成器（训练\u生成器，每\u epoch步数=100，epoch=5000，回调=[model\u检查点]）

图像增强只会永远运行。没有错误

imgs_系列、imgs_脊椎_面具_系列均为4d阵列

有人能告诉我我做错了什么吗？需要注意的是，我对stackoverflow完全陌生，所以如果我可以更改格式等，请让我知道

---

干杯，

在阅读了有关发电机的内容后，我认为问题在于您无法返回无限发电机（？）。因此，我在image\u增强函数中添加了：while True:yield（image\u generator.next（），mask\u generator.next（）），而不是return。它的工作原理是：运行fit generator CNN模型。fit generator（train_generator，steps_per_epoch=100，epochs=5000，callbacks=[model_checkpoint]）都运行。通过@mccoyd的编辑，代码在读取生成器后用于Mea，我相信问题在于你不能返回一个无限的生成器（？）。因此，我在image\u增强函数中添加了：while True:yield（image\u generator.next（），mask\u generator.next（）），而不是return。它的工作原理是：运行fit generator CNN模型。fit generator（train_generator，steps_per_epoch=100，epochs=5000，callbacks=[model_checkpoint]）都运行。通过编辑@mccoyd，代码对我有效