Keras和ImageGenerator輸出黑色圖像

我使用flow_from_directory從目錄上傳圖片。
它是這樣完成的：Keras和ImageGenerator輸出黑色圖像

from keras.preprocessing.image import ImageDataGenerator 

train_datagen = ImageDataGenerator(rescale=1./255) 


train_generator = train_datagen.flow_from_directory(
          'Dataset/train', 
          target_size=(image_rows, image_cols), 
          batch_size=batch_size, 
          color_mode='grayscale', 
          class_mode='categorical', 
          classes=classes)

然後我檢查加載的圖像是這樣的：

import matplotlib.pyplot as plt 

p = train_generator.next() 
plt.imshow(p[0][0][:,:,0], cmap='gray') 
plt.show()

好了，但我看過Udacity課程約tensorflow和理解通過減去均值和除以標準偏差來集中輸入數據非常有用。
所以我修改

train_datagen = ImageDataGenerator(rescale=1./255)

到

train_datagen = ImageDataGenerator(samplewise_center=True, 
            samplewise_std_normalization=True, 
            rescale=1./255)

這裏是輸出：

出於某種原因，我裝都是黑色的所有圖像，他們numpy的陣列只是零。我的問題是：
爲什麼？

來源

2017-04-08 Vladimir Tsyshnatiy

有兩個問題：1.圖像的大小是多少？ 2.如果是三通道圖像，是否所有通道都相同（我強烈懷疑是這種情況）？ –

尺寸爲64 * 160，圖像灰度並有1個通道。 flow_from_directory中的Colormode也設置爲「灰度」。 –

由於您設置了color_mode = grayscale，因此圖片尺寸將爲64 x 160 x 1（請參閱here）。當您執行採樣定位時，它將沿着通道軸執行（請參見here）。平均矩陣將與圖像相同，因爲平均值是沿通道軸計算的。您可以在Python如下測試：

img = np.random.randint(0,10,(5,5,1)) 
print np.squeeze(np.mean(img, axis=2, keepdims=True)) # channels last 
img -= np.mean(img, axis=2, keepdims=True) 
print np.squeeze(img) # should be all zeros

此之後，你做樣本式均值減，這不過是將每個像素與少數（1e-7）零，以避免分裂。這仍然保持img中的所有元素爲零。

可以做些什麼來解決這個問題？

而不是做樣本化規範化，考慮做整個數據集。您可以通過將featurewise_center和featurewise_std_normalization設置爲true來完成此操作。

來源

2017-04-08 10:28:15

Keras和ImageGenerator輸出黑色圖像

回答

相關問題