作者热门文章
- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
关于导入数据集的问题会让我发疯。
这是我的 segnet 代码的一部分。
我将重点讨论有关图像和蒙版数据导入的问题。
print("CNN Model created.")
###training data
data_gen_args = dict()
image_datagen = ImageDataGenerator(**data_gen_args)
mask_datagen = ImageDataGenerator(**data_gen_args)
seed1 = 1
image_datagen.fit(images, augment=True, seed=seed1)
mask_datagen.fit(masks, augment=True, seed=seed1)
train_image_generator = image_datagen.flow_from_directory(TRAIN_im,target_size=(500, 500),batch_size=BATCH_SIZE, class_mode = None)
train_mask_generator = mask_datagen.flow_from_directory(TRAIN_mask,target_size=(500, 500),batch_size=BATCH_SIZE, class_mode = None)
train_generator = zip(train_image_generator,train_mask_generator)
###validation data
valid_gen_args = dict()
val_image_datagen = ImageDataGenerator(**valid_gen_args)
val_mask_datagen = ImageDataGenerator(**valid_gen_args)
seed2 = 5
val_image_datagen.fit(val_images, augment=True, seed=seed2)
val_mask_datagen.fit(val_masks, augment=True, seed=seed2)
val_image_generator = val_image_datagen.flow_from_directory(VAL_im,target_size=(500, 500),batch_size=BATCH_SIZE, class_mode = None)
val_mask_generator = val_mask_datagen.flow_from_directory(VAL_mask,target_size=(500, 500),batch_size=BATCH_SIZE, class_mode = None)
val_generator = zip(val_image_generator,val_mask_generator)
###
model.fit_generator(
train_generator,steps_per_epoch=nb_train_samples//BATCH_SIZE,epochs=EPOCHS,validation_data=val_generator,validation_steps=nb_validation_samples//BATCH_SIZE)
My question is:
image_datagen.fit(images, augment=True, seed=seed1)
mask_datagen.fit(masks, augment=True, seed=seed1)
(x_train_image, y_train_label), (x_test_image, y_test_label) = mnist.load_data()
flow_from_directory
Dataset -training----------images----"many images"
| |
| |-----mask-----"ground truth images(mask)"
|
|
validation----------val_images----"many images"
| |
| |------val_mask------"ground truth images(mask)"
|
|
testing---------------test images (no ground truth)
最佳答案
让我们开始吧。
images
和 masks
是形状为 (num_imgs, width, height, num_channels)
的 4 维 numpy 数组.这些变量从何而来?您必须在前面的步骤中从它们各自的图像文件中读取它们。 flow_from_directory
是一种可以与 IDG 一起使用的功能,以便为您读取图像。非常便利。但是,如果您不需要 featurewise_center
,它只会让您解决这个问题, featurewise_std_normalization
和 zca_whitening
因为在这种情况下,您需要已经可用的 numpy 数组才能执行 IDG fit()
功能。顺便说一句,这个拟合函数与fit()
无关。开始训练模型的函数。它只是使用相同的命名约定。 关于tensorflow - Keras-SegNet 使用 ImageDataGenerator 和 fit 或 fit_generator,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47917729/
在 SegNet ,作者提出的架构如下所示。 . 令我困惑的是,每个构建 block 中有两个彼此相连的卷积层,如图 1 和 2 所示。以这种方式放置卷积层而不是将它们聚合成的主要动机是什么?单个卷积
我正在 Tensorflow 2.1.0 中构建自定义模型 ( SegNet ) . 我面临的第一个问题是重新利用本文所述所需的最大池操作的索引。 基本上,由于它是一种编码器-解码器架构,因此在解码中
关于导入数据集的问题会让我发疯。 这是我的 segnet 代码的一部分。 我将重点讨论有关图像和蒙版数据导入的问题。 print("CNN Model created.") ###training d
我正在用 Python 实现 Segnet。以下是代码。 img_w = 480 img_h = 360 pool_size = 2 def build_model(img_w, img_h, poo
我是一名优秀的程序员,十分优秀!