如何获取使用ImageDataGenerator为双输入CNN模型构建的数据集的标签？

如何解决如何获取使用ImageDataGenerator为双输入CNN模型构建的数据集的标签？

有人获得一对图像作为输入并使用ImageDataGenerator提供图像批处理时，有人可以帮助我获得validation_set的标签吗？

GEN = ImageDataGenerator(rescale = 1./255)

def two_inputs(generator,X1,X2,batch_size,img_height,img_width):
    U = generator.flow_from_directory(X1,target_size=(img_height,img_width),batch_size=batch_size,shuffle= False,class_mode='binary',seed=1221)
    V = generator.flow_from_directory(X2,seed=1221)
    while True:
        X1i = U.next()
        X2i = V.next()
        yield [X1i[0],X2i[0]],X2i[1]   # Yield both images and their mutual label

在以下情况下，我可以通过preds = base_model.predict_generator(val_flow)获得预测，其中val_flow是：

val_flow = two_inputs(generator= GEN,X1 = val_05_dirs,X2 = val_06_dirs,batch_size = batch_size,img_height=img_height,img_width=img_width
                      )

我需要使用fpr获取tpr和fpr,tpr,_ = metrics.roc_curve(LABELS,preds)。

因此，我试图获取访问LABELS，val_flow文件夹的完整two val_05_dirs的{​​{1}}。

预先感谢

解决方法

我创建了一个简单的代码示例。您可以修改此示例以适合您的用例。
代码：

GEN = tf.keras.preprocessing.image.ImageDataGenerator(rescale = 1./255)

folder_path = r'C:\Users\Aniket\.keras\datasets\flower_photos'

def two_inputs(generator,X1,X2,batch_size,img_height,img_width):
    U = generator.flow_from_directory(X1,target_size=(img_height,img_width),batch_size=batch_size,shuffle= False,class_mode='binary',seed=1221)
    V = generator.flow_from_directory(X2,seed=1221)
    while True:
        X1i = U.next()
        X2i = V.next()
        yield [X1i[0],X2i[0]],X2i[1]   # Yield both images and their mutual label
        
custom_gen = two_inputs(GEN,folder_path,1000,256,256)

在这里，我的flower_photos目录包含5个子目录，这些子目录的名称作为图像的标签。

输出：

Found 3670 images belonging to 5 classes.

现在遍历生成器。
代码：

val_labels = []
for image,labels in custom_gen:
    val_labels += list(labels.astype('int32'))
    break

注意：循环将无限运行，因为此生成器会无限地从您的数据生成增强图像。

如果您不希望这样做，则循环仅在以下时间运行：

no_of_times = total_samples / batch_size

确保您的批次大小可被样本总数整除，否则您将在列表末尾添加重复的标签。

您获得的标签将是整数。 如果需要映射，可以使用以下方法获取：

mapping = U.class_indices
mapping

输出：

{'daisy': 0,'dandelion': 1,'roses': 2,'sunflowers': 3,'tulips': 4}