python - 如何为 ImageDataGenerator 中生成的样本分配标签

Question

我是卷积神经网络的新手，我即将构建我的第一个 ConvNet，它是一个多类图像分类 ConvNet。

型号说明

假设我有两个图像文件夹，一个包含数千张特定类型叶子的图像(叶子 A)(图像集 X)，另一个文件夹包含相同数量的相似类型叶子的图像(叶子 B)(图像集 Y)。所以我需要训练我的模型来区分这两种类型。

问题背景

由于我有两类输出 Leaves A 和 Leaves B，因此对于给定的 Leaves A 类或 Leaves B 类图像，我要么将 0,1 作为输出，要么将 1,0 作为输出。

                            Leaves A | Leaves B
If Input is a Class A Leaf,     1         0
If Input is a Class B Leaf,     0         1

问题

因此，为了做到这一点，我必须将图像集 X 标记为输出 1,0，将图像集 Y 标记为输出 0,1。另外，由于我需要增强图像以获得更多训练样本，因此我使用了 ImageDataGenerator。

training_imGen.flow_from_directory(
                                'path/to/image_folder_X',
                                target_size=(1100,180),
                                batch_size=batchSize,
                                color_mode='rgb',
                                class_mode='categorical'
                                )

但在这里我无法分配标签。不像我使用 training_imGen.flow 时那样。但是我发现classes参数可以在flow_from_directory下调用，

classes:类子目录的可选列表(例如['dogs'，'cats'])。默认值:无。如果未提供，类列表将自动从目录下的子目录名称/结构中推断出来，其中每个子目录将被视为不同的类(并且将映射到标签索引的类的顺序将是字母数字)。

但我不知道如何在那里指定两个类标签，因为我只提供了 image set X 文件夹的路径。有什么想法如何做到这一点吗？

更新

training_imGen.flow_from_directory(
                                '/Users/user/database/',
                                target_size=(1100,180),                                                 
                                batch_size=batchSize,
                                color_mode='rgb',
                                class_mode='categorical',
                                classes=['Set_A', 'Set_B']
                                )

在/Users/user/database/路径下，有两个文件夹，分别为Set_A和Set_B。正如我所提到的，每个文件夹都包含相关的 png 图像文件。

Answer 1

查看如何 DirectoryIterator已实现。这是一个非常简单的类。

ImageDataGenerator#flow_from_directory 只是 DirectoryIterator 对象构造的包装器。您不必手动指定标签，因为 DirectoryIterator 将自动假定每个示例都与以该示例的父文件夹命名的类关联。因此，只要叶子 A 的所有样本都位于名为 A 的同一个文件夹中，而叶子 B 的样本则位于不同的文件夹中，它们将被正确分配到各自的类(class)。

此外，迭代器的输出已经是 one-hot 编码的，正如您将 class_mode 定义为 categorical 一样:

g = ImageDataGenerator()
train = g.flow_from_directory('/path/to/dataset/train/',
                              batch_size=32,
                              target_size=(1100, 180))

x_batch, y_batch = next(train)
assert x_batch.shape == (32, 1100, 180, 3) 
assert y_batch.shape == (32, 2)
print(y_batch)
[[0. 1.],
 [1. 0.],
 [1. 0.],
 ...
 [0. 1.]]

classes 参数不用于设置每个样本的标签，而是指定 directory 的子文件夹列表，这些子文件夹应被视为类该迭代器(例如 ['A', 'B'])。如果保留默认的 None ，则 directory 的所有子文件夹都被视为有效类，并且其中的所有图像都是该集合的潜在样本。当您只想使用标签子集、调试代码或推迟类时，这非常有用。

如果您希望覆盖默认标签，则只需替换 DirectoryIterator#classes 中的内容即可，其中包含与 ith<​​ 示例关联的类，其第一个元素。例如，假设您要添加没有关联文件夹的第三类叶子:

train = g.flow_from_directory(...)
train.classes = np.asarray([0., 1., 2., ..., 0., 1.])
train.class_indices = {'A': 0, 'B': 1, 'C': 2}
train.num_classes = 3