Question

考虑一下，我有一组手表的图像，我愿意使用CNN来识别其他手表，但是其中有问题。问题是为了使分类算法正常工作，我们需要另一个类（二进制分类）。

所以我添加了另一个类，现在我有两组图像。第一组是单独的手表图像，另一组是一些随机图像（没有手表的任何图像）。我的准确度很低。

您能举一个如何使用CNN来实现它的示例吗？仅使用一组图像来识别其他图像？例如CNN中的对象识别。

我尝试了以下代码：

from keras.models import Sequential
from keras.layers import Convolution2D
from keras.layers import MaxPooling2D
from keras.layers import Flatten
from keras.layers import Dense
# For preprocessing
from keras.preprocessing.image import load_img, img_to_array
# For numeric computation
import numpy as np

classifier = Sequential()

# Add our first convolutional layer
classifier.add(Convolution2D(32, 3, 3, input_shape=(64,64,3), activation="relu"))
classifier.add(MaxPooling2D(pool_size=(2,2)))

# Add our second convolution layer
classifier.add(Convolution2D(64, 3,3, activation="relu"))
classifier.add(MaxPooling2D(pool_size=(2, 2)))

# Add the dense layers and compile the classifier
classifier.add(Dense(output_dim=1000, activation="sigmoid"))
classifier.add(Dense(output_dim=1, activation="sigmoid"))
classifier.compile(optimizer="sgd", loss="binary_crossentropy", metrics=["accuracy"])

# Create training data
X_train = []
y_train = []

# And the necessary libaries to load the images
import glob

plastic = glob.glob("watches/*.*")
paper = glob.glob("random/*.*")

for i in plastic:
    array = img_to_array(load_img(i, target_size=(64, 64)))
    X_train.append(array)
    y_train.append(1)

for i in paper:
    array = img_to_array(load_img(i, target_size=(64, 64)))
    X_train.append(array)
    y_train.append(0)

X_train = np.array(X_train)
y_train = np.array(y_train)

classifier.fit(X_train, y_train,  batch_size=20, epochs=100)

我知道ResNet和其他类似的体系结构，但是我需要检测自定义对象。

Keras-卷积神经网络（检测单组图像）

0 个答案: