Machine learning 可以对图像序列进行图像预处理吗？

我试图使用Keras的内置图像预处理功能来增强序列中的图像。 我的数据集具有13200个序列的形状

（13200,4168168,168,1）

，每个序列由4个168x168px灰度图像组成

尝试在我的数据集上运行

datagen.flow（）

时，我得到：

ValueError: ('Input data in `NumpyArrayIterator` should have rank 4. You passed an array with shape', (13200, 4, 168, 168, 1))

---

我假设

ImageDataGenerator

无法正确处理每个样本4张图像的序列。有没有办法做到这一点

尝试通过以下方式定义新的生成器：

def sequence_image_generator(x, y, batch_size, generator, seq_len=4):
    new_y = numpy.repeat(y, seq_len, axis = 0)
    helper_flow = generator.flow(x.reshape((x.shape[0] * seq_len,
                                            x.shape[2],
                                            x.shape[3],
                                            x.shape[4])),
                                 new_y,
                                 batch_size=seq_len * batch_size)
    for x_temp, y_temp in helper_flow:
        yield x_temp.reshape((x_temp.shape[0] / seq_len, 
                              seq_len, 
                              x.shape[2],
                              x.shape[3],
                              x.shape[4])), y_temp[::seq_len,:]

---

你的

y

看起来像什么？

y.shape=（13200250）

因为我有250门课。好的-所以我的答案应该是正确的。谢谢你的回答。当我运行它时，我得到：

ValueError:X（图像张量）和y（标签）应该具有相同的长度。

因此我在

numpy.repeat（）中添加了
axis=0
。现在我得到了
ValueError：对于包含
yield
语句的最后一行，新数组的总大小必须保持不变。你知道这是什么原因吗？现在试试。（
y_temp[：：seq_len，：]
）相同的错误。调试时，我发现实际上是第一部分（重塑
x_temp
）导致了错误。啊-好的。我忘了
图像生成器的恼人部分。现在试试。必须在
x_temp.shape[0]/seq_len
周围放置
int（）
，现在它终于可以工作了。非常感谢你，马辛！