Question

我使用EMNIST byclass数据集训练了我的模型，加载了培训和测试数据的.csv文件以及数字（0-9）和字母（A-Z，a-z）分类的标签。我的模型评估准确率在87％左右。但是当我使用keras load_model（）使用最佳保存的模型权重（.hdf5）时，它给了我奇怪的结果，好像没有进行任何训练。但是在加载模型后如果我运行模型评估仍然可以给出87％的准确率。

然后在预测任何新图像时会出现什么问题而我的预测错误？

由于

Answer 1

我希望将所有关于上述问题的人传达给我 -

我还想提一下，我正在使用所有必需的EMNIST训练/验证数据的预处理，我也用于MNIST数据。在使用MNIST数据集时，相同的代码正在进行正确的预测。但现在我正在使用EMNIST数据集来预测字母和数字。数字（A-Z，a-z，0-9），因为MNIST数据集只有数字。有没有人使用EMNIST数据集进行Alphabet＆amp;数字预测和预测发生了吗？或者EMNIST数据集仍然不适合这种预测。但在这种情况下我感到惊讶的是如何将评估准确率提高到88％。

Answer 2

看起来EMNIST数据集照片是旋转和镜像的。在将图像输送到网络之前，你应该反之亦然，不要忘记按位反转和阈值处理。

x1 = cv2.imread('c9.jpg')
x2 = cv2.cvtColor(x1, cv2.COLOR_BGR2GRAY)
ret,x3 = cv2.threshold(x2, 127, 255, cv2.THRESH_BINARY)


#compute a bit-wise inversion so black becomes white and vice versa

x4 = np.invert(x3)

#make it the right size

x5 = cv2.resize(x4, (28, 28))

#rotate and flip

rows,cols = x5.shape
M = cv2.getRotationMatrix2D((cols/2,rows/2),270,1)
dst = cv2.warpAffine(x5,M,(cols,rows))
flip = cv2.flip(dst,1)

#convert to a 4D tensor to feed into our model

x6 = flip.reshape(1,28,28,1)
x7 = x6.astype('float32')
x7 /= 255
out = model.predict(x7)

print(np.argmax(out))

使用Keras load_model（）加载模型时的错误预测，就像没有发生模型训练一样。这只发生在EMNIST数据集中

2 个答案: