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
答案 0 :(得分:0)
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。