CNN模型只預測頭等艙

我正在做一個細粒度的分類，對汽車模型進行分類。所以我使用了轉移學習ResNet50。據我所知，它在訓練時表現良好。但是當我嘗試新的影像時，它總是預測一個單一的類別。以下是我的代碼。

用于訓練：

from tensorflow.keras.layer import Input, Lambda, Dense, Flatten
from tensorflow.keras.models import Model
from tensorflow.keras.applications.resnet50 import ResNet50
from keras.applications.vgg16 import VGG16
from tensorflow.keras.applications.resnet50 import preprocess_input
from tensorflow.keras.preprocessing import image
from tensorflow.keras.preprocessing.image import ImageDataGenerator,load_img
from tensorflow.keras.models import Sequential
import matplotlib.pyplot as plt
import numpy as np
from glob import glob


IMAGE_SIZE = [224, 224]

train_path = 'Datasets/train']
valid_path = 'Datasets/test'3], weights='imagenet', include_top = False)


for layer in resnet.layer:
    layer.trainable = False[/span] 。

folders = glob('Datasets/train/*') #training folders

x = Flatten()(resnet.output)

預測 = Dense(len(folders), activation='softmax'/span>) (x) 

model = Model(inputs = resnet.input, outputs = prediction)

model.compile(
    loss = 'categorical_crossentropy'/span>,
    優化器 = 'adam'。
    度量 = ['準確性']
)

train_datagen = ImageDataGenerator(rescale = 1./255,
                                  shear_range = 0.2,
                                  zoom_range = 0.2,
                                  horizontal_flip = True)

test_datagen = ImageDataGenerator(rescale = 1./255)

training_set = train_datagen.flow_from_directory('Datasets/train',
                                                target_size = （224, 224）。
                                                batch_size = 32,
                                                class_mode = 'categorical')


test_set = test_datagen.flow_from_directory('Datasets/test',
                                            target_size = （224, 224）。
                                            batch_size = 32,
                                            class_mode = 'categorical')


r = model.fit_generator(
training_set,
validation_data=test_set,
epochs=200,
steps_per_epoch=len（training_set）。
validation_steps=len(test_set)
)


from tensorflow.keras.models import load_model

model.save('model_updateV1.h5')

y_pred = model.pred(test_set)


import numpy as np
y_pred = np.argmax(y_pred, axis=1)

對于嘗試新的影像：

from tensorflow.keras.models import load_model
from tensorflow.keras.preprocessing import image
import numpy as np
from tensorflow.keras.applications.resnet50 import preprocess_input

model = load_model('model_updateV1.h5')

img = image.load_img('Datasets/test/mercedes/45.jpg', target_size=（224,224）)

x = image.img_to_array(img)

x = x/255..

x = np.expand_dims(x, axis = 0)
img_data = preprocess_input(x)
img_data.shape

model.predict(img_data)

a = np.argmax(model.predict(img_data), axis=1)
a

uj5u.com熱心網友回復：

我認為你的問題是，你正在重新調整影像的比例兩次。你有代碼

x=x/255。

然后你擴大了尺寸，這很好。然而，你的代碼是

img_data = preprocess_input(x)

preprocess_input函式我相信是用代碼在-1和 1之間重新調整像素值的大小

所以現在你的像素值已經被縮小了兩次。所以只要洗掉代碼即可

x=x/255。

標籤：

上一篇：有沒有一種方法可以讓某個特定類的所有子類在訪問某個屬性時執行一個函式？

下一篇：如何使用htaccess檔案處理子目錄網址