如何将新图像转换为时尚时尚的数据集图像格式?

时间:2019-05-12 17:25:52

标签: deep-learning computer-vision mnist

我有一个基于时尚MNIST数据集训练的神经网络模型。 现在,我正在使用该模型预测一些新的随机图像(来自Google),并希望将其转换为与fashion-MNIST图像相同的格式 数据集。 有人可以向我提供可以帮助我做到这一点的python代码/功能吗? 谢谢。

我知道数据集中图像的格式为28X28像素,灰度级。 我不知道的是如何将新图像完全转换为相同格式。 这样模型可以正确预测这些新图像。

2 个答案:

答案 0 :(得分:0)

有很多不同的方法可以做到这一点;这是一个例子,尽管我确信这远非最佳。

num_imgs = len(os.listdir(my_path))
X = np.empty([int(num_imgs),28,28,1]) # in which to put the images
for i,image in enumerate(os.listdir(my_path)):
    the_img = cv2.imread(os.path.join(my_path,image),cv2.IMREAD_GRAYSCALE)
    the_img = cv2.resize(the_img,(28,28))
    X[i] = the_img

那么X就像是一堆N幅图片的叠加,具有暗淡的28x28和一个通道,即(N,28,28,1)。 希望有帮助!

编辑:还要记住,像Keras这样的某些软件包具有简化此过程的出色工具(包括标签,随机转换等)。强烈建议您检出these tools.

答案 1 :(得分:0)

您可以使用numpy或OpenCV将图像转换为numpy数组,然后根据您的模型调整大小和形状。