Python 通过keras（TensforFlow后端）使用来自目录（）的flow_输入用于语义图像分割的管道（3个标签）

我正在使用keras（TensorFlow后端），我正在尝试了解如何使用flow_目录中的flow_将我的标签/遮罩引入图像分割（3个标签）

列车图像的尺寸为（144、144、144）-灰度，uint8。相应的标签_图像具有相同的尺寸，但此处值1表示标签1，值2=标签2，值3=标签3，值0表示未标记的像素

由于这是语义分割，对图像中的每个像素进行分类需要使用逐像素交叉熵损失函数。正如我在一些帖子中读到的，keras（或TensorFlow）要求我的标签图片/面具是一个热编码的。因此，我希望我的label_图像是一个具有3个通道的图像，其中每个像素将由一个二进制向量组成。示例：[0,1,0]

如何处理存储为0的未标记像素？是否应该将它们编码为[0,0,0]

但我没有找到答案的问题是： 如何重塑/一个热编码标签图像？keras中是否有一个方便的函数，可以让我转换图像标签

来自keras.preprocessing.image导入ImageDataGenerator
列车\数据发生器=图像数据发生器（重缩放=1./255）
label_datagen=ImageDataGenerator（重缩放=1./255）
列车\u图像\u生成器=列车\u datagen.flow\u来自\u目录(
目录='/train_images'，
目标_大小=（144144144），
颜色模式=“灰度”，
类别=无，
class_模式=无，
批次（单位尺寸=4）
列车\u标签\u生成器=标签\u datagen.flow\u来自\u目录(
目录='/label_images'，
目标_大小=（144144144），
颜色模式=“灰度”，
类别=无，
class_模式=无，
批次（单位尺寸=4）
列车发电机=zip（列车图像发电机、列车标签发电机）

目前正在研究非常类似的东西，但有10个类。现在还没有完全解决，但关于您对keras内置函数的疑问，请检查：

one_hot_array=keras.utils.to_category（标签数据的数组，nb_类）

这将创建遮罩/标签数据的一个热向量。因此，对于您的情况，假设100个掩码的预期输出为（100，H，W，3），其中3等于您正在处理的类的数量。我不确定的是，你的掩码中是否有背景，以及你应该如何为你的数据构建文件夹。希望这能有所帮助

---

此外，您的

target_size

处于禁用状态，这是指图像的尺寸（例如高度和宽度）。不应该有第三个值。

是的，你是对的。to_分类函数就是这样做的。我发现ImageDataGenerator不适用于3D图像，您必须编写自己的生成器，有一个教程[用于此]。