1回答
我正在尝试使用Keras (2.2.4)和TensorFlow (1.9.0)作为后端对单个图像进行预测： def enigne(data):
image_shapechecking input: expected conv2d_input to have 4 dimensions, but got array with shape (64, 64, 3) 如何将图像转换为具有适当尺寸的图像，以便将其提供给Kera
浏览 8提问于2018-12-19得票数 1
回答已采纳
我有以下问题，我已经训练了一个CNN，我可以在样本中评估网络。我想用经过训练的模型来预测那些我没有根据的图像。然而，我可以在回归模型和预测标签一起实现这些图像的其他特征，以预测Y。CNN评估的唯一方法是推断预测的标签是否对Y有影响，例如，用
浏览 0提问于2022-05-26得票数 1
我正在考虑使用陆地卫星图像来训练CNN，以便进行无监督的像素语义分割分类。也就是说，我一直无法找到一种方法，允许我从较大的陆地卫星图像中裁剪图像进行训练，然后对原始图像进行预测。本质上，这是我想要做的：
原始陆地卫星图像(5,000 x 5,000 -这是一个任意大小，不能很好地确定实际尺寸) ->将图像
浏览 1提问于2020-03-06得票数 2
有一个数据科学的数值问题，我和我的团队能够得到一个ANN模型，它可以预测到1%的MAPE误差(大约有70000+可训练的参数)。考虑到数据集的性质，这些数据也可以作为图像处理，这使得我尝试了一种基于CNN的方法来解决同样的问题。到目前为止，我能够收敛到14%的误差数字与大约2000参数。假设基于CNN的
浏览 0提问于2019-12-25得票数 1
1回答
CNN模型的图像-维问题
、、、、
我使用驾驶数据的图像(即个人用户的轨迹)来预测他们在CNN模型中的商店访问量。我的图像大多是黑白的，360 x 360像素。当我将图像转换为numpy数组时，尺寸是360 x 360 x4，而不是RGB的3。print(type(image2))
# summarize image deta
浏览 1提问于2021-01-25得票数 1
1回答
我有图像数据和csv文件，其中csv文件的每一行都包含相应图像的属性。首选的方法是什么？我可以将属性数据添加到numpy图像数组中，并对模型进行训练。
我可以创建两个不同的模型，并使用平均&
浏览 0提问于2019-01-23得票数 0
1回答
具有不同输入尺度的CNN
、、、、
我的目标是在一种输入尺寸上训练CNN，并使用该模型来预测不同比例/大小的图像。对于CNNs，这是可能的吗？我正在使用keras/python开发我的网络？
任何帮助都将不胜感激。
浏览 4提问于2016-10-19得票数 1
1回答
我有车辆的图像。我需要基于图像提取来预测车辆的价格。我学到的是，我可以使用CNN提取图像特征，但我无法得到的是，如何预测汽车的价格。我知道在我预测价格之前，我需要训练我的CNN模型。我不知道如何用图像和价格一起训练模型。
最后，我期待的是，
浏览 0提问于2018-07-23得票数 0
我一直在网上寻找一个解决方案，但很难找到一个明确的解决方案。我想知道如何将传输学习(例如，VGG16)应用于比网络最初训练的图像大小不同的图像(因此，我不想输入大小的图像(224,224,3)，我想输入大小的图像(32,32,3))。我最初想的只是填充这些图像，但网络可能会查看这些黑色像素，并认为它们意味着什么，我意识到这可能会影响准确性，而且当我试图这样做时，我的</em
浏览 0提问于2019-03-23得票数 0
1回答
提取cnn的输出
、、
我已经训练了一个cnn模型来对狗和猫的图像进行分类，它提供了98%的准确率，但我想可视化cnn层的输出，即我的cnn预测它是狗还是猫的特征，如果有什么方法可以可视化cnn的输出？
浏览 0提问于2019-05-14得票数 0
1回答
我正在开发一个使用3个CNN的微型自动驾驶汽车和一个使用这种方法的摄像头传感器。最后一个CNN检测到交通标志，例如左转，右转，停。如何使用这个输出来修改第一个CNN</e
浏览 1提问于2018-04-29得票数 0
回答已采纳
我训练了一个基于景观和泳池图像的CNN模型。其主要目的是在图像包含或不包含池的情况下对模型进行分类。测试集的准确率约为94%，但当我使用自己的图像进行测试时，有时模型会做错误的预测，然后我实现了GradCam，当我按水对水池进行分类时，该模型</em
浏览 0提问于2020-05-19得票数 1
1回答
CNN不预测图像类别
、、、
我用CNN制作了一个脑瘤检测模型，当我试图通过预测样本图像的类别来测试它时，会出现一个错误。best_model.predict(image)
ValueError: zero_padding2d层的输入0与图层不兼容:预期<em
浏览 0提问于2020-10-18得票数 1
回答已采纳
1回答
我在一个文件夹中的所有图像上依次运行3个keras cnn模型。在完成对1张图像的所有三个模型的预测后，我在循环的下一次迭代中获得了低于误差的结果。我的一个模型的代码结构：
K.clear_sessi
浏览 2提问于2018-12-04得票数 0
1回答
对于大小不同的图像重新定标的普遍共识是什么？我读过这样的一种方法，就是将图像的最大尺寸缩小到一个固定的大小。对我来说还不清楚，仅仅重标度一个维度会导致整个数据集的统一图像形状。是否还有其他方法，例如，取两个维度的平均尺寸，然后再将每幅图像的维数重到整个数据集的每个维度的平均值
浏览 5提问于2016-06-14得票数 0
回答已采纳
2回答
对不平衡的数据加权CNN回归？
、、、、
我有一个CNN的回归，采取一个图像和输出浮点0-10。我的模型做得很好，但是我有一个严重的不平衡数据的问题，使我的模型对几乎所有的图像进行6-8的预测，但是实现了一个相当好的均方误差。我知道人们根据数据集的不平衡程度来加权他们的类。那么，有办法用回归模型来做到这一点吗？如果有
浏览 0提问于2019-07-30得票数 4
1回答
估计给定单个图像的对象数量
、、、、
我在寻找一种方法来估计柠檬的数量，给出如下的图像。我想知道这个问题是否可以被建模为一个回归问题，如果是这样的话，什么是一个很好的选择来实现它。请注意，我不是在寻找每一个柠檬，只是估计有多少柠檬。
第一次，我试着用tensorflow训练一个深层次的CNN，最后一层只有一个神经元。不幸的是，我没有很好的结果。
浏览 10提问于2022-07-02得票数 -3
1回答
如何将CNN模型一分为二并合并？
、、、、
我想从一个CNN模型创建两个独立的CNN模型。让我将其命名为CNN-A和CNN-B。在预测期间，原始输入数据集被馈送到CNN-A。CNN-A的输出被馈送作为CNN-B的输入。原始<em
浏览 1提问于2021-06-09得票数 0
我正在尝试对属于16个类别的图像进行分类。这些图像具有不同的几何形状(<code>C0</code>)。训练集由16 x 320 = 5120个图像组成，验证集有16 x 160 = 2560个图像，测试集有16个x 2= 32个图像。对于训练和验证的准确性和
浏览 8提问于2019-03-29得票数 0
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号