Question

我正在尝试使用CNN对狗的繁殖鉴定进行分类。我已将图像转换为灰度并重新缩放它们以便缩小尺寸。所以现在我试图将它们添加到numpy数组中并进行训练。此外，我将使用Relu激活功能，因为它适用于不同类别的狗繁殖的多层和分类交叉熵。

以下是灰度和重新缩放的代码：

def RescaleGrayscaleImg():

    # iterate through the names of contents of the folder
    for image_path in os.listdir(path):

        # create the full input path and read the file
        input_path = os.path.join(path, image_path)

        # make image grayscale
        img = io.imread(input_path)
        img_scaled = rescale(img, 2.0 / 4.0)
        GrayImg = color.rgb2gray(img_scaled)

        # create full output path, 'example.jpg' 
        # becomes 'grayscaled_example.jpg', save the file to disk
        fullpath = os.path.join(outPath, 'grayscaled_'+image_path)
        misc.imsave(fullpath, GrayImg)

如何将图像转换为数组？每列都是一张图片？任何帮助都会有所帮助。

Answer 1

对于CNN，您的输入必须是4-D张量[batch_size, width, height, channels]，因此每个图像都是3-D子张量。由于您的图片是灰度的，channels=1。同样，对于培训，所有图片的大小必须相同 - WIDTH和HEIGHT。

skimage.io.imread正在返回ndarray，这对keras非常有效。所以你可以读取这样的数据：

all_images = []
for image_path in os.listdir(path):
  img = io.imread(image_path , as_grey=True)
  img = img.reshape([WIDTH, HEIGHT, 1])
  all_images.append(img)
x_train = np.array(all_images)

不确定如何存储标签，但您也需要制作一系列标签。我称之为y_train。您可以将其转换为热门，如下所示：

y_train = keras.utils.to_categorical(y_train, num_classes)

keras的模型很简单，这里最简单（使用relu和x-entropy）：

model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3), activation='relu', 
                 input_shape=[WIDTH, HEIGHT, 1]))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dense(num_classes, activation='softmax'))

model.compile(loss=keras.losses.categorical_crossentropy,
              optimizer=keras.optimizers.Adadelta(),
              metrics=['accuracy'])

model.fit(x_train, y_train, batch_size=100, epochs=10, verbose=1)

可以找到一个完整的MNIST示例here。

将图像转换为CNN的数组

1 个答案: