假设你有一个数据集,其中包含每个图像的图像和一些数据在
现在,有很多指南(例如这里和这里),介绍如何创建网络,这不是问题。
问题是,当
更具体地说,当第n个图像(可能是增强图像或非增强图像)被输入NN时,我想要其原始特征在
.csv
中。
您的目标是创建一个卷积分支和另一个(在我的情况下是MLP)的NN。现在,有很多指南(例如这里和这里),介绍如何创建网络,这不是问题。
问题是,当
convolution_input
来自Keras ImageDataGenerator
流添加了增强图像时,如何创建形式为[[convolution_input, other_features], target]
的迭代器。更具体地说,当第n个图像(可能是增强图像或非增强图像)被输入NN时,我想要其原始特征在
other_features
中。我发现有一些尝试(在这里 和 在这里),第二个看起来很有前途但我无法弄清如何处理增强图像,它们似乎没有考虑到 Keras 生成器可能进行的数据集操作。
flow
,或者需要使用flow_from_directory
?(flow
表示您可以将所有图像加载到内存中) - Daniel Möllerflow_from_dataframe
,因为我有文件名、特征和类别。 - Lamberto Basti