如何在Keras中基于列索引构建生成176x208二进制掩码的网络

一、明确目标掩码的定义 #

首先要确定35个列索引对应掩码的规则，常见两种场景：

• 场景1：35个列是掩码中需全部设为1的列（即这35列的所有176行像素为1，其余列全为0）
• 场景2：35个索引对应35个特定行的列位置（比如第i个索引对应第i行的列位置，该行仅该列设为1，其余行保持0）

下面以场景1为例给出实现，场景2只需调整目标掩码的生成逻辑即可。

二、数据预处理：列索引转目标掩码 #

先实现函数将输入的35个索引转换成176×208的二进制掩码：

import numpy as np

def indices_to_mask(indices, img_shape=(176, 208)):
    mask = np.zeros(img_shape, dtype=np.float32)
    # 将指定列的所有行设为1
    for col_idx in indices:
        mask[:, col_idx] = 1.0
    # 增加batch和通道维度，适配Keras输入格式
    return mask[np.newaxis, ..., np.newaxis]  # 最终形状：(1, 176, 208, 1)

# 测试示例
sample_indices = [121,55,115,82,59,84,85,77,155,15,29,105,48,97,158,32,104,39,111,110,47,1,45,0,120,154,130,98,118,95,160,22,63,86,80]
sample_mask = indices_to_mask(sample_indices)
print(sample_mask.shape)  # 输出：(1, 176, 208, 1)

三、构建生成掩码的Keras网络 #

网络核心是把35维的索引向量映射到176×208的特征图，这里采用「全连接+转置卷积」的轻量结构：

from tensorflow import keras
from tensorflow.keras import layers

def build_mask_generator(input_dim=35, img_shape=(176, 208)):
    # 输入层：接收35个列索引
    inputs = keras.Input(shape=(input_dim,))
    
    # 索引归一化到[-1,1]区间，适配后续网络层
    x = layers.Lambda(lambda x: x / (img_shape[1]-1) * 2 - 1)(inputs)
    
    # 全连接层将向量映射到高维特征，对应目标尺寸8倍缩小的特征图
    x = layers.Dense(128 * 22 * 26, activation='relu')(x)
    x = layers.Reshape((22, 26, 128))(x)
    
    # 转置卷积逐步上采样到目标尺寸
    x = layers.Conv2DTranspose(64, kernel_size=3, strides=2, padding='same', activation='relu')(x)  # 形状：(44, 52, 64)
    x = layers.Conv2DTranspose(32, kernel_size=3, strides=2, padding='same', activation='relu')(x)  # 形状：(88, 104, 32)
    x = layers.Conv2DTranspose(1, kernel_size=3, strides=2, padding='same', activation='sigmoid')(x)  # 形状：(176, 208, 1)
    
    # 将sigmoid输出转为0/1的二进制掩码
    outputs = layers.Lambda(lambda x: keras.backend.round(x))(x)
    
    model = keras.Model(inputs=inputs, outputs=outputs)
    return model

# 初始化模型并查看结构
model = build_mask_generator()
model.summary()

四、训练配置 #

针对二进制掩码生成任务，采用二元交叉熵作为损失函数，Adam作为优化器：

model.compile(optimizer=keras.optimizers.Adam(learning_rate=1e-4),
              loss=keras.losses.BinaryCrossentropy(),
              metrics=['accuracy'])

训练时，输入为批量的35维索引数组（形状：(batch_size, 35)），目标为对应的批量掩码数组（形状：(batch_size, 176, 208, 1)）。

五、场景2的调整（索引对应特定行的列） #

如果35个索引对应35行的列位置（比如第i个索引对应第i行），只需修改掩码生成函数：

def indices_to_mask_scenario2(indices, img_shape=(176, 208)):
    mask = np.zeros(img_shape, dtype=np.float32)
    # 仅指定行的对应列设为1
    for row_idx, col_idx in enumerate(indices):
        if row_idx < img_shape[0]:  # 避免索引超出图像行数
            mask[row_idx, col_idx] = 1.0
    return mask[np.newaxis, ..., np.newaxis]

网络结构无需改动，直接沿用相同训练流程即可。

内容的提问来源于stack exchange，提问作者Razor