Question

我有一个脚本可以模糊图像的一部分并通过预测网运行，以查看图像的哪些部分对标签预测的影响最大。为此，我使用PIL打开本地图像并调整其大小，同时以不同的间隔添加黑盒子。我使用Tensorflow打开我的模型，我想将图像传递给模型，但它不期望具有这种特定形状的值：

Traceback (most recent call last):
  File "obscureImage.py", line 55, in <module>
    originalPrediction, originalTag = predict(originalImage, labels)
  File "obscureImage.py", line 23, in predict
    {'DecodeJpeg/contents:0': image})
  File "C:\Users\User\AppData\Local\Programs\Python\Python35\lib\site-packages\tensorflow\python\client\session.py", line 766, in run
    run_metadata_ptr)
  File "C:\Users\User\AppData\Local\Programs\Python\Python35\lib\site-packages\tensorflow\python\client\session.py", line 943, in _run
    % (np_val.shape, subfeed_t.name, str(subfeed_t.get_shape())))
ValueError: Cannot feed value of shape (224, 224, 3) for Tensor 'DecodeJpeg/contents:0', which has shape '()'

这是我的代码：

def predict(image, labels):
    with tf.Session() as sess:
        #image_data = tf.gfile.FastGFile(image, 'rb').read() # What I used to use.

        softmax_tensor = sess.graph.get_tensor_by_name('final_result:0')
        predictions = sess.run(softmax_tensor,
                               {'DecodeJpeg/contents:0': image})
        predictions = np.squeeze(predictions)

        top_k = predictions.argsort()[-5:][::-1]  # Getting top 5 predictions

        return predictions[0], labels[top_k[0]] # Return the raw value of tag matching and the matching tag.

originalImage = Image.open(args.input).resize((args.imgsz,args.imgsz)).convert('RGB')
originalPrediction, originalTag = predict(originalImage, labels)

打开并使用磁盘中的图像可以正常工作，但当然它不是我修改过的图像。我尝试使用tf.image.decode_jpeg(image,0)作为softmax张量的参数，但这给了我TypeError: Expected string passed to parameter 'contents' of op 'DecodeJpeg', got <PIL.Image.Image image mode=RGB size=224x224 at 0x2592F883358> of type 'Image' instead.

Answer 1

＆＃39; DecodeJpeg：0 /内容：0＆＃39;是一种用于将base64字符串解码为原始图像数据的操作。您正尝试输入原始图像数据。所以你应该把它喂给'DecodeJpeg：0＆＃39;这是＆＃39; DecodeJpeg的输出：0 /内容：0＆＃39;或者进入“穆尔：0＆＃39;这是图表的输入。不要忘记调整大小，因为输入应该是形状的（299,299,3）穆尔接受了（1,299,299,3）

试试这样：

image = Image.open("example.jepg")
image.resize((299,299), Image.ANTIALIAS)
image_array = np.array(image)[:, :, 0:3]  # Select RGB channels only.

prediction = sess.run(softmax_tensor, {'DecodeJpeg:0': image_array})
or
prediction = sess.run(softmax_tensor, {'Mul:0': [image_array]})

as well discussed in this stackoverflow question

可视化操作：

 for i in sess.graph.get_operations():
            print (i.values())

希望这有帮助

Answer 2

您可以使用PIL的getdata()

将图像的内容作为包含像素的序列对象返回值。序列对象被展平，因此第一行的值在零行的值之后直接跟随，依此类推。

或Tensorflow的gfile。

from tensorflow.python.platform import gfile
image_data = gfile.FastGFile(image_filename, 'rb').read()

Answer 3

不确定为什么马克西米利安的答案不起作用，但这里有什么对我有用：

getchar()

制作一个字节缓冲区，将PIL图像保存到其中，得到它的值并将其传入。我还是Tensorflow和图像处理的新手，所以如果有人有一个具体的原因，为什么这个工作和Max的东西没有，这将是对这个答案的一个很好的补充。

Answer 4

使用Keras的img_to_array函数：

from PIL import Image

pil_img = Image.new(3, (200, 200))
image_array  = tf.keras.preprocessing.image.img_to_array(pil_img )

Answer 5

我已经尝试过了，并且对我很好。随时更改参数以调整您的解决方案。该图像是作为输入的PIL图像。

def read_tensor_from_image(image, input_height=224, input_width=224,
            input_mean=0, input_std=255):

  float_caster = tf.cast(image, tf.float32)
  dims_expander = tf.expand_dims(float_caster, 0);
  resized = tf.image.resize_bilinear(dims_expander, [input_height, input_width])
  normalized = tf.divide(tf.subtract(resized, [input_mean]), [input_std])
  sess = tf.Session()
  result = sess.run(normalized)

  return result

Tensorflow：打开PIL.Image？

5 个答案: