Question

我正在关注Tensorflow image classification教程，该教程使用Fashion MNIST数据集。每个图像都是28x28灰度图像：

[GADMobileAds.sharedInstance startWithCompletionHandler:]

...在本教程的后面部分对其进行了规范化，并将其输入到Flatten层中。

df2 = df.assign(Roll=df.Roll.ffill(), GPA=df.GPA.bfill())

我有一个使用matplotlib导入的彩色PNG数据集，其形状为：

train_images[0].shape
(28, 28)

鉴于图像（28,28）与（400，400，3）的形状不同，如何在不转换为灰度的情况下使分类器使用它呢？

Answer 1

一个小例子：

model = keras.Sequential([
keras.layers.Flatten(input_shape=(400, 400, 3)),
keras.layers.Conv2D(32,kernel_size=3,strides=(1,1),activation='relu', padding='same'),
keras.layers.Conv2D(32,kernel_size=3,strides=(2,2),activation='relu', padding='same'),
keras.layers.Conv2D(64,kernel_size=3,strides=(1,1),activation='relu', padding='same'),
keras.layers.Conv2D(64,kernel_size=3,strides=(2,2),activation='relu', padding='same'),
keras.layers.Conv2D(128,kernel_size=3,strides=(1,1),activation='relu', padding='same'),
keras.layers.Conv2D(128,kernel_size=3,strides=(2,2),activation='relu', padding='same'),
keras.layers.Conv2D(256,kernel_size=3,strides=(1,1),activation='relu', padding='same'),
keras.layers.Conv2D(256,kernel_size=3,strides=(2,2),activation='relu', padding='same'),
keras.layers.GlobalAveragePooling2D(),
keras.layers.Dense(128, activation=tf.nn.relu),
keras.layers.Dense(10, activation=tf.nn.softmax)

]）

或者您可以使用keras.applications中的预训练模型：

from keras.applications.resnet50 import ResNet50
base_model = ResNet50(weights='imagenet',include_top=False,input_shape=(400,400,3)) 
x=base_model.output
x=GlobalAveragePooling2D()(x)
x=Dense(10,activation='softmax')(x)
model=Model(base_model.input,x)

如何使用彩色图像进行Tensorflow图像分类？

1 个答案: