Keras 如何使用带有多标签掩码的ImageDataGenerator进行多类图像分割？
为了进行多类分割，需要对掩模进行一次热编码。例如，如果我有一个形状为224x224x3的100个图像，有5个不同的类别，我会有一组形状为（1002242245）的遮罩，即最后一个维度（通道）指的是像素的类别。以包含6个类的灰度蒙版为例，其中每个像素的标签为1-6，我可以使用tf.keras.utils.to_category轻松地将其转换为我需要的分类蒙版 如果我使用keras提供的ImageDataGenerator，我知道我可以为图像和遮罩创建一个生成器，然后将它们压缩在一起解决问题（如下面的代码所示），但我困惑的是，在使用ImageDataGenerator时，如何将遮罩转换为这种分类的热编码结构？ImageDataGenerator只在保存为图像的目录中查找文件，因此我无法转换掩码，然后将它们保存为numpy数组（一个热编码掩码），以便生成器拾取，因为图像不能有超过4个通道，对吗？有没有办法告诉发电机进行这种转换？或者这是否因此限制了我在问题中可以使用的类的数量 一个解决方案是用我已经完成的sequence类编写我自己的定制生成器，但我很想了解这是否可以用Keras内置的ImageDataGenenerator实现？在网络上编写lambda层是解决方案吗Keras 如何使用带有多标签掩码的ImageDataGenerator进行多类图像分割？,keras,deep-learning,image-segmentation,categorical-data,one-hot-encoding,Keras,Deep Learning,Image Segmentation,Categorical Data,One Hot Encoding,为了进行多类分割，需要对掩模进行一次热编码。例如，如果我有一个形状为224x224x3的100个图像，有5个不同的类别，我会有一组形状为（1002242245）的遮罩，即最后一个维度（通道）指的是像素的类别。以包含6个类的灰度蒙版为例，其中每个像素的标签为1-6，我可以使用tf.keras.utils.to_category轻松地将其转换为我需要的分类蒙版 如果我使用keras提供的ImageDataGenerator，我知道我可以为图像和遮罩创建一个生成器，然后将它们压缩在一起解决问题（如下面
mask_categorical = tf.keras.utils.to_categoricl(mask) #converts 224x224 grayscale mask to one-hot encoding version
imgDataGen = ImageDataGenerator(rescale=1/255.)
maskDataGen = ImageDataGenerator()
imageGenerator =imageDataGen.flow_from_directory("dataset/image/",
class_mode=None, seed=40)
maskGenerator = maskDataGen.flow_from_directory("dataset/mask/",
class_mode=None, seed=40)
trainGenerator = zip(imageGenerator, maskGenerator)