Keras中自定义ImageDataGenerator子类传入模型专属preprocess_input时报错问题咨询

这个报错的原因很明确：你的CustomDataGenerator在父类初始化时，已经通过super().__init__(preprocessing_function=self.augment_color, **kwargs)硬编码传入了一个预处理函数，而你实例化时又再次传入preprocessing_function=tf.keras.applications.xception.preprocess_input，导致父类的构造函数收到了两个相同的关键字参数，引发冲突。

要解决这个问题，我们需要把颜色增强逻辑和模型特定的预处理函数组合起来，而不是让它们互相覆盖。这里有一个清晰的修改方案：

import cv2
import random
import tensorflow as tf
from tensorflow.keras.preprocessing.image import ImageDataGenerator

class CustomDataGenerator(ImageDataGenerator):
    def __init__(self, color=False, preprocessing_function=None, **kwargs):
        # 不再直接给父类传preprocessing_function，而是传入我们的组合函数
        super().__init__(preprocessing_function=self._combined_preprocessing, **kwargs)
        self.hue = random.random() if color else None
        # 保存外部传入的模型预处理函数
        self.model_preprocess = preprocessing_function

    def augment_color(self, img):
        if not self.hue or random.random() < 1/3:
            return img
        # 注意：如果你的输入图像是RGB格式（ImageDataGenerator默认加载格式），要改成COLOR_RGB2HSV
        img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
        img_hsv[:, :, 0] = self.hue
        return cv2.cvtColor(img_hsv, cv2.COLOR_HSV2BGR)

    def _combined_preprocessing(self, img):
        # 第一步：应用颜色增强
        img = self.augment_color(img)
        # 第二步：应用模型特定的预处理（如果有的话）
        if self.model_preprocess is not None:
            img = self.model_preprocess(img)
        return img

现在你可以正常实例化并传入模型的预处理函数了：

# 示例：使用Xception的预处理函数，同时开启颜色增强
datagen = CustomDataGenerator(color=True, preprocessing_function=tf.keras.applications.xception.preprocess_input)

额外注意事项 #

• 避免重复归一化：很多Keras应用模型的preprocessing_function已经包含了像素值归一化（比如Xception会把[0,255]的像素值转成[-1,1]），所以你原来使用的rescale=1./255需要去掉，否则会导致预处理重复，影响模型性能。
• 颜色空间一致性：你的代码里用了cv2.COLOR_BGR2HSV，但Keras的ImageDataGenerator通过flow_from_directory加载的图像是RGB格式，这里建议改成cv2.COLOR_RGB2HSV，否则颜色变换效果会不符合预期。

内容的提问来源于stack exchange，提问作者Azazel