Keras数据生成器用于使用自动编码器进行图像修复

Question

我正在尝试训练一个用于图像修复的自动编码器，其中输入图像是损坏的图像，而输出图像是基本事实。

使用的数据集组织为：

/Dataset
/corrupted
img1.jpg
img2.jpg
.
.
/groundTruth
img1.jpg
img2.jpg
.
.

使用的图像数量相对较大。如何使用Keras图像数据生成器将数据馈送到模型？我检查了flow_from_directory方法，但找不到合适的class_mode("损坏"文件夹中的每个图像都映射到"groundTruth"文件夹中同名的图像(

Answer 1

如果没有提供所需功能的预构建图像数据生成器，则可以创建自己的自定义数据生成器。

为此，必须通过子类化tf.keras.utils.Sequence来创建新的数据生成器类。您需要在新类中实现__getitem__和__len__方法。__len__必须返回数据集中的批数，而__getitem__必须将单个批中的元素作为元组返回。

你可以在这里阅读官方文件。下面是一个代码示例：

from skimage.io import imread
from skimage.transform import resize
import numpy as np
import math
# Here, `x_set` is list of path to the images
# and `y_set` are the associated classes.
class CIFAR10Sequence(Sequence):
def __init__(self, x_set, y_set, batch_size):
self.x, self.y = x_set, y_set
self.batch_size = batch_size
def __len__(self):
return math.ceil(len(self.x) / self.batch_size)
def __getitem__(self, idx):
batch_x = self.x[idx * self.batch_size:(idx + 1) *
self.batch_size]
batch_y = self.y[idx * self.batch_size:(idx + 1) *
self.batch_size]
return np.array([
resize(imread(file_name), (200, 200))
for file_name in batch_x]), np.array(batch_y)

希望答案有帮助！