python - Keras 多输入网络，使用图像和结构化数据 : How do I build the correct input data?

Question

我正在使用 Keras 函数式 API 构建一个多输入网络，但我很难找到并理解我的输入数据投向网络的正确格式。

我有两个主要输入:

• 一个是图像，它会抛出经过微调的 ResNet50 CNN
• 第二个是一个简单的 numpy 数组 (X_train)，其中包含有关图像的元数据(图像的位置和大小)。这个会抛出一个简单的密集网络。

我从数据帧加载图像，其中包含元数据和相应图像的文件路径。我使用 ImageDataGenerator 和 flow_from_dataframe 方法来加载我的图像:

datagen = ImageDataGenerator(preprocessing_function=preprocess_input)

train_flow = datagen.flow_from_dataframe(
                                        dataframe=df_train,
                                        x_col="cropped_img_filepath",
                                        y_col="category",
                                        batch_size=batch_size,
                                        shuffle=False,
                                        class_mode="categorical",
                                        target_size=(224,224)
                                        )

我可以使用它们自己的数据分别训练这两个网络，直到这里都没有问题。
然后将两个不同网络的两个输出组合成一个密集网络，输出一个 10 位数的概率向量:

# Create the input for the final dense network using the output of both the dense MLP and CNN
combinedInput = concatenate([cnn.output, mlp.output])

x = Dense(512, activation="relu")(combinedInput)
x = Dense(256, activation="relu")(x)
x = Dense(128, activation="relu")(x)
x = Dense(32, activation="relu")(x)
x = Dense(10, activation="softmax")(x)



model = Model(inputs=[cnn.input, mlp.input], outputs=x)

# Compile the model 
opt = Adam(lr=1e-3, decay=1e-3 / 200)
model.compile(loss="categorical_crossentropy",
              metrics=['accuracy'],
              optimizer=opt)

# Train the model
model_history = model.fit(x=(train_flow, X_train), 
                          y=y_train, 
                          epochs=1, 
                          batch_size=batch_size)

但是，当我无法训练整个网络时，出现以下错误:

ValueError:找不到可以处理输入的数据适配器:( 包含类型值 {" ", " "}),

我明白我没有为我的输入数据使用正确的输入格式。
我可以用 train_flow 训练我的 CNN，用 X_train 训练我的密集网络，所以我希望这会起作用。

你知道如何将图像数据和 num 数组组合成一个多输入数组吗？

感谢您提供的所有信息!

Answer 1

我终于找到了怎么做，@Nima Aghli 提议的帖子启发了我。
这是我的做法:

首先实例化预处理函数(对我来说是用于 ResNest50 的函数):

from tensorflow.keras.applications.resnet50 import ResNet50, preprocess_input

def preprocess_function(x):
    if x.ndim == 3:
        x = x[np.newaxis, :, :, :]
    return preprocess_input(x)

# Initializing the datagen, using the above function :
datagen = ImageDataGenerator(preprocessing_function=preprocess_input)

然后定义自定义数据生成器，它将产生随机采样的数组耦合图像和元数据，同时确保永远不会用完数据(以便您可以运行任意数量的纪元):

def createGenerator(dff, verif=False, batch_size=BATCH_SIZE):

    # Shuffles the dataframe, and so the batches as well
    dff = dff.sample(frac=1)
    
    # Shuffle=False is EXTREMELY important to keep order of image and coord
    flow = datagen.flow_from_dataframe(
                                        dataframe=dff,
                                        directory=None,
                                        x_col="cropped_img_filepath",
                                        y_col="category",
                                        batch_size=batch_size,
                                        shuffle=False,
                                        class_mode="categorical",
                                        target_size=(224,224),
                                        seed=42
                                      )
    idx = 0
    n = len(dff) - batch_size
    batch = 0
    while True : 
        # Get next batch of images
        X1 = flow.next()
        # idx to reach
        end = idx + X1[0].shape[0]
        # get next batch of lines from df
        X2 = dff[["x", "y", "w", "h"]][idx:end].to_numpy()
        dff_verif = dff[idx:end]
        # Updates the idx for the next batch
        idx = end
#         print("batch nb : ", batch, ",   batch_size : ", X1[0].shape[0])
        batch+=1
        # Checks if we are at the end of the dataframe
        if idx==len(dff):
#             print("END OF THE DATAFRAME\n")
            idx = 0
            

        # Yields the image, metadata & target batches
        if verif==True :
            yield [X1[0], X2], X1[1], dff_verif
        else :
            yield [X1[0], X2], X1[1]  #Yield both images, metadata and their mutual label

我自愿保留注释，因为它有助于掌握所有计算的操作。
要点/问题是从所有数据帧中获取图像，而不会缺少图像，并且具有相同大小的批处理。
此外，我们必须注意图像/元数据的顺序，以便将正确的信息连接到返回数组中的正确图像。