質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

89.20%

セグメンテーション用のImageDataGeneratorについて

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 1,281

Kohei_KESE

score 41

現在、kerasのUNetなどのセグメンテーション用モデルを使って、セグメンテーションを実行しているのですが、予測精度が上がらないため、ImageDataGeneratorによる水増しを考えています。しかし、kerasのページを参考に作ってみたのですが、うまくいきませんでした。
データ構造は以下のようになっていて、imgディレクトリが入力用データセット、maskが教師用データセットとなっていて、img_1.pngはmask_1.pngと一対一で対応しています。
img--img_1.png
|-img_2.png
|-img_3.png
mask--mask_1.png
|-mask_2.png
|-mask_3.png

水増しでimg_1.pngとmask_1.pngを同条件で水増ししていきたいです。
アドバイスよろしくお願いします。

trnames = os.listdir(r"img") 
ytrnames = os.listdir(r"mask") 

xtrPath = "./img/"
ytrPath = "./mask/"

xtr_num_files = len(xtrnames) #画像数を把握し
ytr_num_files = len(ytrnames) #画像数を把握し

w = 1024
h = 1180

data_gen_args = dict(featurewise_center=True,
                     featurewise_std_normalization=True,
                     rotation_range=90.,
                     width_shift_range=0.1,
                     height_shift_range=0.1,
                     zoom_range=0.2)

#data_gen_argsの情報を辞書として受け取る
image_datagen = ImageDataGenerator(**data_gen_args)
mask_datagen = ImageDataGenerator(**data_gen_args)

#x_train
train = np.zeros((xtr_num_files, h, w, 3)) #画像データの箱を用意し
for i,filename in zip(range(xtr_num_files),xtrnames):
    train[i] = cv2.imread(xtrPath+filename) #cv2で画像を読み込んで
x_train = train.reshape(-1, h, w, 3)/255
del train

#y_train
train = np.zeros((ytr_num_files, h, w, 3)) #画像データの箱を用意し
for i,filename in zip(range(ytr_num_files),ytrnames):
    train[i] = cv2.imread(ytrPath+filename) #cv2で画像を読み込んで
y_train = train.reshape(-1, h, w, 3)/255
del train

# Provide the same seed and keyword arguments to the fit and flow methods
seed = 1
image_datagen.fit(x_train, augment=True, seed=seed)
mask_datagen.fit(y_train, augment=True, seed=seed)

image_generator = image_datagen.flow_from_directory(
    'data',
    target_size =(1024, 1180),
    class_mode="categorical",
    seed=seed)

mask_generator = mask_datagen.flow_from_directory(
    'mask',
    target_size = (256, 256),
    class_mode="categorical",
    seed=seed)

# combine generators into one which yields image and masks
train_generator = zip(image_generator, mask_generator)

model.fit_generator(
    train_generator,
    steps_per_epoch=2000,
    epochs=50)
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • tiitoi

    2018/12/20 18:17

    どううまくいかなかったのでしょうか?

    キャンセル

  • Kohei_KESE

    2018/12/21 08:41

    具体的には、flow_from_directoryのところで、以下の文章を吐いて困っています。
    Found 0 images belonging to 0 classes.
    Found 0 images belonging to 0 classes.
    そもそも、flow_from_directoryは分類のときに使うもので、画像が保存してあるディレクトリ名をラベルにする、という操作だと認識しています。このコードはkerasの元ページを参考に作ったのですが、セグメンテーションにおいてflow_from_directoryを使う理由もよく分かりませんでした。

    キャンセル

回答 1

checkベストアンサー

0

flow_from_directory は以下のようなディレクトリ構成を想定したクラス分類タスク用の仕組みです。

train
|-class1: クラス1の画像があるディレクトリ
|-class2: クラス2の画像があるディレクトリ
|-class3: クラス3の画像があるディレクトリ

現状、セグメンテーション用に使える既存のものは Keras に用意されていないので、オーグメンテーションをしたい場合は自作するしかないでしょう。

ImageDataGenerator で行っている処理の内容は keras_preprocessing/image.py で見れるので、こちらを参考に実装してみてはどうでしょうか

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/12/21 16:57

    回答ありがとうございます。
    教えて頂いたサイトを参考に、実装することができました。
    ありがとうございます。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 89.20%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

同じタグがついた質問を見る