Question

我已经通过使用ImageDataGenerator将数据提供给fit_generator来训练我的二进制分类模型。我没有使用任何扩展选项，只是使用ImageDataGenerator将图像调整为224x224x3。下面是我的训练代码。

def get_batches(directory, target_size=target_size, batch_size=batch_size, shuffle=False):
    datagen = ImageDataGenerator()
    return datagen.flow_from_directory(directory=directory,
                                          target_size=target_size,
                                          batch_size=batch_size,
                                          class_mode='categorical',
                                          shuffle=shuffle)


batches = get_batches(train_dataset, shuffle=True)
valid_batches = get_batches(validation_dataset, shuffle=True)

model.fit_generator(batches, steps_per_epoch=batches.samples//batch_size, nb_epoch=150,
                    validation_data=valid_batches,
                    callbacks= [early_stop, checkpoint, tensorboard, time_callback, TerminateOnNaN()],
                    validation_steps=valid_batches.samples//batch_size)

我得到了不错的培训结果，并且用测试集进行了评估培训。

batches = get_batches(evaluation_dataset, shuffle=True)

pred_acc = top_model.predict_generator(batches, steps=batches.samples//batch_size)

我得到了预期的评估准确性。

我尝试了使用预测函数（而不是predict_generator）进行相同的操作，并自行调整了图像的大小，而不是ImageDataGenerator。

image = cv2.imread ("xyz.bmp")
image_resized = cv2.resize(image, (224,224))

pred_img = np.expand_dims(image_resized, axis=0)

prediction = top_model.predict(pred_img)

当我使用ImageDataGenerator对提供给predict_generator的相同图像进行预测时，没有得到相同的模型输出。

我不能使用ImageDataGenerator进行实时使用。

可能是什么问题？

任何指针。

我已经看到了一些类似于此问题https://github.com/keras-team/keras/issues/3477#issuecomment-360022086的讨论，但是对于我的情况，我已经验证了肯定和否定情况，并且无论输入图像如何，结果始终相同。看起来ImageDataGenerator正在对我需要集成的数据进行一些修改。

谢谢，帕塔

Answer 1

解决了问题。

问题是采用彩色格式的。

ImageDataGenerator以RGB格式输出，而opencv imread则以BGR格式读取。

因此，BGR2RGB转换用于解决该问题。

image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)

ImageDataGenerator中的默认图像大小调整器也为“最近”，我在opencv调整大小中也使用了相同的大小。

使用ImageDataGenerator生成的批处理训练的二进制分类器模型在没有ImageDataGenerator的情况下不会给出相同的结果

1 个答案: