keras中的图像到图像映射
在Keras中，图像到图像映射是指将输入图像转换为输出图像的任务。这种任务通常涉及图像处理和计算机视觉领域，可以用于图像增强、图像风格转换、图像超分辨率等应用。
Keras是一个开源的深度学习框架，它提供了丰富的工具和函数来实现图像到图像映射任务。Keras基于Python编程语言，并支持多种深度学习后端，如TensorFlow、CNTK和Theano。
在Keras中，可以使用卷积神经网络（CNN）来实现图像到图像映射。CNN是一种专门用于处理图像数据的神经网络结构，它通过卷积层、池化层和全连接层等组件来提取图像特征并进行映射。
对于图像到图像映射任务，可以使用以下步骤来实现：
- 数据准备：准备输入图像和对应的目标输出图像。可以使用Keras提供的图像处理工具来加载和预处理图像数据。
- 构建模型：使用Keras的函数式API或序贯模型API构建CNN模型。可以根据任务的复杂性和需求选择合适的模型结构，如U-Net、Pix2Pix等。
- 编译模型：配置模型的优化器、损失函数和评估指标。根据具体任务选择适当的优化器，如Adam、SGD等，以及适合图像到图像映射任务的损失函数，如均方误差（MSE）。
- 训练模型：使用准备好的训练数据对模型进行训练。可以使用Keras提供的fit()函数来进行模型训练，并指定训练的批次大小、训练轮数等参数。
- 评估模型：使用测试数据对训练好的模型进行评估。可以使用Keras提供的evaluate()函数来计算模型在测试数据上的损失值和评估指标。
- 进行预测：使用训练好的模型对新的输入图像进行预测。可以使用Keras提供的predict()函数来获取模型的预测结果。
对于图像到图像映射任务，腾讯云提供了一些相关的产品和服务，如腾讯云图像处理（Image Processing）和腾讯云机器学习平台（AI Lab）。这些产品和服务可以帮助用户快速搭建和部署图像到图像映射模型，并提供高性能的计算和存储资源。
腾讯云图像处理产品提供了丰富的图像处理功能，包括图像增强、图像风格转换、图像超分辨率等，可以满足不同图像到图像映射任务的需求。具体产品介绍和使用方法可以参考腾讯云图像处理产品官方文档：腾讯云图像处理
腾讯云机器学习平台（AI Lab）提供了强大的深度学习工具和资源，可以帮助用户进行图像到图像映射任务的开发和训练。用户可以使用AI Lab提供的Jupyter Notebook环境来编写和运行Keras代码，并利用腾讯云的GPU实例进行高性能的模型训练。具体产品介绍和使用方法可以参考腾讯云机器学习平台（AI Lab）官方文档：腾讯云机器学习平台（AI Lab）
相关·内容
我用熊猫来使用.txt文件和flow_from_dataframe来帮助我读取文件夹中的图片。
这是我的密码：
import keras
import pandas as pd
from keras_preprocessing import image
from keras.preprocessing.image import ImageDataGenerator
datagen = image.ImageDataGenerator(rescale=1./255)
data = pd.read_csv('/directory/clipart_train.txt', sep
浏览 1提问于2019-02-21得票数 0
回答已采纳
我开始使用图像分类样本来研究tensorflow，这是tensorflow官方文档上的第一个样本。它创建Keras Sequential模型，如下所示：
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28, 28)),
keras.layers.Dense(128, activation='relu'),
keras.layers.Dense(10)
])
输入数据是包含28*28张图像的keras.datasets.fashion_mnist。图像标签在0,1,2...9中。
浏览 3提问于2020-06-12得票数 1
2回答
我正在做一个python的图像识别项目。我在期刊上读到，如果将自组织映射(SOM)执行的聚类输入到监督神经网络中，则图像识别的准确性比监督网络本身更高。我自己尝试过，使用SOM执行聚类，然后在每次迭代后使用获胜神经元的坐标作为keras的多层感知器的输入。然而，精确度非常差。
SOM的什么输出应该用作多层感知器的输入？
浏览 7提问于2017-03-06得票数 0
我正在用tensorflow Keras构建一个CNN模型，可用的数据集是黑白的。
我正在使用从ImageDataGenerator api可用的keras.preprocessing.image将图像转换为数组。默认情况下，它将每个图像转换为3通道输入。那么，如果训练后的图像是彩色的，而不是黑白的，那么我的模型能够预测真实世界的图像(彩色图像)吗？
在ImageDataGenerator中还有一个名为"color_mode“的参数，它可以将输入作为”灰度“，并给出用于模型的2d数组。如果我采用这种方法，是否也需要将真实世界的图像转换为灰度？
浏览 4提问于2022-05-15得票数 0
2回答
Keras加载的Png文件显示为全黑 我有一组从drawSvg程序生成的pngs。在像画图这样的普通图像查看器中查看时，它们看起来很好。但是当我通过keras加载它们时，matplotlib imshow显示它们完全是黑色的。 from keras.preprocessing.image import load_img,img_to_array
import matplotlib.pyplot as plt
import matplotlib
matplotlib.use('TKAgg')
img_path = "output/L_Profile.png"
浏览 71提问于2019-04-17得票数 0
回答已采纳
1回答
通过卷积神经网络查找图像中哪些部分对图像分类的贡献最大的常用技术是什么？
通常，假设我们有2d矩阵，浮点值介于0到1之间。每个矩阵都与一个标签(单标签，多类)相关联，目标是通过(Keras) 2D CNN进行分类。
我正在寻找方法来提取对分类贡献最大的行/列的相关子序列。
两个例子：
如果其他示例/资源着眼于Keras，将不胜感激。
注意，我的数据集不是实际的图像，因此使用ImageDataGenerator的方法在这种情况下可能不会直接应用。
浏览 3提问于2017-06-24得票数 5
回答已采纳
4回答
我试着用两个类训练一个图像分类器，这是我的神经网络。
model=Sequential()
model.add(tf.keras.layers.Conv2D(3,(3,3),activation="relu"))
model.add(tf.keras.layers.Conv2D(32,(3,3),activation="relu"))
model.add(tf.keras.layers.Conv2D(16,(3,3),activation="relu"))
model.add(tf.keras.layers.Conv2D(8,(3,3),acti
浏览 1提问于2020-08-23得票数 0
回答已采纳
我试图训练一个U-Net导数来进行单类图像分割，但在Keras中使用tf.keras.losses.SparseCategoricalCrossentropy()和tf.keras.losses.CategoricalCrossentropy()函数时遇到了问题。哪一种更合适，如何正确使用？
如果我尝试使用SpareCategoricalCrossentropy，就会得到错误：
收到的标签值为1，超出了[0，1]的有效范围。
如果我尝试使用CategoricalCrossentropy，我会得到：
您正在传递形状(3600, 64, 64, 1)的目标数组，同时用作丢失的catego
浏览 0提问于2019-08-27得票数 0
我正在将图像从一个目录导入到Keras。代码看起来像这样：
gen = datagen.flow_from_directory (
DIRECTORY,
target_size = (IMAGE_WIDTH, IMAGE_HEIGHT),
batch_size = BATCH_SIZE,
class_mode = "binary"
)
但是，我的数据不是按文件夹组织的，而是按文件名组织的。如果我不能改变这种结构，有没有办法在用正则表达式分隔的同时流动(比如，以".jpg“和".png”结尾，或者以"numeral_7“和”
浏览 0提问于2018-04-19得票数 0
1回答
在Andrew的深度学习课程中，我看到了一种在图像上定位单个对象的方法：。据我所知，例如，你可以将一个点绑定到物体的特定部分，以坐标: x，y作为标签y，并训练CNN。
我想训练一个CNN神经网络来定位我的眼睛(而不是鼓掌)。我拍了200张我的照片:60×60像素的灰度。我标出了左眼和右眼，标记眼的每个坐标被归一化为0-1.Y标签是: eye1的x，eye1的y，eye2的x，eye2的y。我使用SGD优化与mse损失和在输出层乙状结肠功能。
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Conv2D(64, (3
浏览 0提问于2019-01-03得票数 3
1回答
我用卷积神经网络(CNN)训练地图中的传奇人物。这些传说是圆、卵形、钻石、十字架和正方形。在我的例子中，神经网络(受代码的启发)工作得很好。输入的图像是像这样的传奇的单独裁剪的图片，我想要的输出是在这样的地图中预测这些传说。我的神经网络现在可以对图像进行分类，并预测它们是正方形还是圆形。例如，当我提供此图像作为输入时，输出为菱形。
from keras.models import model_from_json
import numpy as np
EMOTIONS_LIST = ["circle","cross","diamond","
浏览 0提问于2021-03-17得票数 0
回答已采纳
在我的Jupyter笔记本中，我正在尝试显示我正在通过Keras迭代的图像。我使用的代码如下所示
def plotImages(path, num):
batchGenerator = file_utils.fileBatchGenerator(path+"train/", num)
imgs,labels = next(batchGenerator)
fig = plt.figure(figsize=(224, 224))
plt.gray()
for i in range(num):
sub = fig.add_subplot(num, 1, i + 1)
浏览 1提问于2017-01-26得票数 9
回答已采纳
我想做一个用户友好的GUI图像分类器，用户只需指向数据集的目录就可以训练模型，然后他们可以将任何图像提供给程序，它将在图像中显示对象的概率和标签。但是，如何在Keras中获得由.flow_from_directory函数ImageDataGenerator扫描的类的名称？
浏览 0提问于2019-07-06得票数 4
回答已采纳
1回答
我在用角语写一篇CNN。我的数据集由250个类中的20,000幅图像组成，文件夹结构如下：
dataset/
class1/
1.png
2.png
...
class2/
...
...
根据我的理解，加载图像/标签的最简单方法是使用和flow_from_directory()的组合。
最小工作实例：
from keras.layers import Activation, Convolution2D, MaxPooling2D
from keras.models import Sequential
fr
浏览 1提问于2016-11-29得票数 1
回答已采纳
1回答
下面是我用于多类分类的模型。
model = Sequential()
model.add(Dense(6, input_dim = input_dim , activation = 'relu'))
model.add(Dense(3, activation = 'softmax'))
adam = optimizers.Adam(learning_rate=0.001)
model.compile(loss = 'categorical_crossentropy' , optimizer = 'adam' , metrics
浏览 0提问于2020-06-14得票数 0
我试着用角纸来拟合CNN的模型来分类图像。数据集有更多的图像来自某些类，因此它是不平衡的。
关于如何在Keras中考虑损失的权重，我阅读了不同的内容，例如：，很好地解释了这一点。但是，它总是解释fit()函数，而不是函数。
实际上，在'class_weights‘()函数中，我们没有'weighted_metrics'，参数，而是有’weighted_metrics‘，，我不理解它的描述："weighted_metrics: sample_weight或class_weight在培训和测试期间要评估和加权的度量的列表“。
我如何从'class_weigh
浏览 1提问于2018-08-31得票数 9
回答已采纳
2回答
我很难理解CNN中2个或更多个卷积层(每个卷积层后面是一个池化层)的工作方式。
假设输入是3通道300x300图像。如果第一卷积层具有32个卷积层，并且第二层具有64个卷积层，则第一层创建32个特征图。但是第二层创建了多少个特征图呢？64个卷积中的每个卷积是否都作用于之前生成的32个特征图，从而总共创建32*64 = 2048个特征图？或者发生了其他事情？
与这个问题相关的一个简单代码是：
model = keras.models.Sequential([
keras.layers.Conv2D(32, (3, 3), activation='relu', input_shap
浏览 1提问于2020-08-02得票数 4
我试图运行一个卷积神经网络的MNIST图像(28x28灰度图像)作为输入。为此，我使用Keras (代码如下所示)。我很难理解为什么卷积层的形状不符合我所期望的形状。
特别是在第一个卷积层，我试图使用的是32个特征地图，将所有这些功能转换为3x3内核。我使用的批号是200.
考虑到这一点，我预计第一个Conv2D层的形状是(200、26、26、32)，即处理了200个样本(由于批处理大小)，32个特征映射的大小为26x26 (由于对带有3x3内核的28x28输入图像进行了卷积处理)。
但是，使用model.summary()获得的大小是(200、9、9、32)，如下所示：
Model:
浏览 1提问于2020-12-22得票数 0
回答已采纳
我正在尝试用TensorFlow 2.0建立一个图像识别网络。为了能够分析我的图像增强，我想看到我输入到网络中的图像。
不幸的是，我不知道如何用TensorFlow 2.0和Keras来完成这个任务。我也没有找到这方面的文件。
为了简单起见，我展示了一个MNIST示例的代码。我如何在这里添加图像摘要？
import tensorflow as tf
(x_train, y_train), _ = tf.keras.datasets.mnist.load_data()
def scale(image, label):
return tf.cast(image, tf.float32)
浏览 0提问于2019-03-29得票数 9
回答已采纳
1回答
我需要在Keras上创建CNN只为了识别一种特定类型的图像，信用卡在我的情况下。看来我只需要一个乙状结肠神经元。但问题是如何培养这样的网络，因为我只有一个目标类别。或者我应该添加猫和狗的随机图像告诉NN，这不是信用卡。我甚至不确定这是二进制分类。我还没有任何代码，但首先我将尝试Keras docs中的VGG-16。
浏览 2提问于2018-05-29得票数 1
回答已采纳
1回答
在将能量分布的“图像”传递给CNN之前，我正在使用Keras做一些数据增强。我想在图像中添加一些噪声，但这个噪声不能小于0。
数据是形状为(5000,29,29)的numpy数组，数据增强的代码当前为：
data_augmentation = keras.Sequential([
keras.layers.experimental.preprocessing.RandomFlip(),
keras.layers.GaussianNoise(1)
], name='DataAugm')
有没有一种方法可以添加泊松噪声(显然已经是非负的)，或者添加具有截断到数据增强层的负
浏览 0提问于2020-07-02得票数 0
1回答
分组卷积的Caffe变换
、、、
我试图从一个非常简单的Caffe模型中获取权重，并将其解释为功能齐全的Keras模型。
这是Caffe中模型的最初定义，让我们称之为simple.prototxt
input: "im_data"
input_shape {
dim: 1
dim: 3
dim: 1280
dim: 1280
}
layer {
name: "conv1"
type: "Convolution"
bottom: "im_data"
top: "conv1"
param {
lr_mult:
浏览 1提问于2019-02-09得票数 4
回答已采纳
我有24个班级的图像训练数据集，每个班级有2800个图像，每个班级在目录中彼此分开，都在一个名为training的目录中
我使用以下代码使用keras加载数据：
datagen = ImageDataGenerator(rescale= 1./255
,fill_mode='nearest')
train_data = datagen.flow_from_directory('training-images',class_mode='categorical',
浏览 76提问于2019-11-19得票数 0
回答已采纳
我用tensorflow 2.3训练了tensorflow keras模型。该模型以图像作为输入，但是模型经过了缩放输入的训练，因此在将它们输入到模型中之前，我们必须将图像缩放到255。
当我们在各种平台上使用这个模型时，我试图通过修改模型来简化它，只需在keras模型的开头插入一个渐升层(即在输入之后)。因此，该模型今后的任何消耗都可以简单地传递图像，而不必对其进行缩放。
我很难把这件事办好。我知道我需要使用以下功能来创建一个重标度层；
tf.keras.layers.experimental.preprocessing.Rescaling(255, 0.0, "rescaling&
浏览 2提问于2021-02-15得票数 3
回答已采纳
我使用Keras flow_from_directory从多个文件夹加载图像。每个文件夹的图像数量从1500到9500不等。根据我的理解，keras ImageDataGenerator将所有图像加载到子文件夹中，但我只想从每个子文件夹加载1000个图像。
举个例子，我的目录结构如下:a是父目录，在A中有X1、X2、.、Xn子目录。我只想从X1，X2，.，Xn中抽取1000个图像，也就是说，总共有1000个*n个图像。
提前谢谢。
浏览 2提问于2021-01-03得票数 1
回答已采纳
1回答
这是我的联邦学习测试的代码
from __future__ import absolute_import, division, print_function
import os
import collections
import warnings
from six.moves import range
import numpy as np
import six
import tensorflow as tf
import tensorflow_federated as tff
from tensorflow.keras.callbacks import EarlyStopping, Reduc
浏览 5提问于2020-01-14得票数 2
我想从图像URL中检索图像，并将它们输入到keras中的CNN模型，但我不想将图像存储在本地文件夹中？ 有没有办法做到这一点？
浏览 46提问于2019-12-05得票数 4
回答已采纳
1回答
如何从Tensorflow获得二值图像分类的标签预测？
环境：
colabTensorflow 2.7.0 3.7.12
数据集结构：
/training/<br/>
---/COVID19/<br/>
------/img1.jpg<br/>
------/img2.jpg<br/>
------/img3.jpg<br/>
---/NORMAL/<br/>
------/img4.jpg<br/>
------/img5.jpg<br/>
------/img6.jpg<br/>
使
浏览 1提问于2021-12-29得票数 0
回答已采纳
下面是输入到神经网络的数据值的图像：
正如你所看到的，这是dl问题，我尝试使用它进行分类，我创建了两个隐藏层，每个层中有2个神经元。
import keras
# initialsing the ann
from keras.models import Sequential
# to add different layers to ANN
from keras.layers import Dense
classifier=Sequential()
classifier.a
浏览 3提问于2022-06-05得票数 -2
我试图通过使用tf.keras.utils.image_dataset_from_directory创建一个用于CNN分类的数据集(包括图像及其标签)，并使用该数据集创建两个NumPy数组:图像和标签。Python版本: 3.9.5，Tensorflow版本: 2.7.0
这段代码在过去几周一直运行良好，但今天突然出现了这个错误(见下图)。
谢谢你的帮助。
浏览 11提问于2022-10-04得票数 0
import tensorflow as tf
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape = (28,28)),
tf.keras.layers.Dense(128, activation = 'relu'),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10)
])
这是模型的代码，我使用mnist数据集对其进行了训练。我想要做的是将一个28x28的png图像传递给predict(
浏览 0提问于2020-05-09得票数 2
1回答
我很难理解2D Conv计算是如何在4D输入上完成的。基本上，这就是情况，我有一个图像的高度，宽度，通道= 128,128,103。我希望这103个通道中的每个通道都被单独处理，就像我将它们逐个输入到网络中一样。下面这行行得通吗？
import tensorflow.keras
from tensorflow.keras.layers import Conv2D
model1 = tensorflow.keras.models.Sequential()
model1.add(Conv2D(1, kernel_size=(3,3), input_shape = (128, 128,103,1),
浏览 3提问于2021-09-06得票数 0
2回答
我不介意是YAML、JSON、.ini还是其他什么。
用户应该能够通过以下配置文件在调用函数时更改值：
import tensorflow as tf
# config file reading happens here (expected scenario):
f = read_the_config_file()
reduction = f["reduction"] # retrieved the reduction value
# pass `reduction` to the loss function:
loss = tf.keras.losses(reducti
浏览 7提问于2021-07-11得票数 1
1回答
我有一个模型，我训练并保存了它，现在我只想加载它，然后为我预测1000个图像文件，我通过这个代码加载它 loaded_model = tf.keras.models.load_model('dir') 我使用这个代码来预测我的数据 loaded_model.predict(test_dataset) 这段代码返回给我一个NumPy数组，我如何才能在model. prediction中以文本文件的形式获得预测的标签。
浏览 15提问于2021-08-11得票数 0
回答已采纳
在Keras中编写一个基于更快的haven的区域提案网络的实现，我遇到了一个问题，在搜索之后我还没有找到一个明确的解决方案。
我有一个自定义层，称为Roi_Projection_Layer，它将是Keras中的一个自定义层。这一层应包括：
sample_anchor_box = [x_centre, y_centre, box_width, box_height] 从shape = (None, 32, 19, 512)图像中提取的卷积特征映射(第一个维度是批处理大小)，以及(例如shape=(None, 1, 4)的锚盒)。
我希望将这两个明显形状不同的张量传递给Keras层，这样我就可以使
浏览 1提问于2020-08-23得票数 0
回答已采纳
1回答
我正在创建一个机器学习模型来对数字图像进行分类。我使用Tensorflow和Keras使用内置的tf.keras.datasets.mnist数据集对模型进行了培训。该模型可以很好地处理来自mnist数据集本身的测试映像，但我想为它提供自己的映像。我提供给这个模型的图像是从Captcha中提取出来的，因此它们将遵循类似的模式。我已经在公共谷歌驱动器文件夹中提供了一些图片示例。当我输入这些图像时，我注意到模型不是很精确，我对原因有一些猜测。
图像的背景在图像中产生了太多的噪音。
数字没有居中。
该图像在MNIST训练集(黑色背景白色文本)的颜色格式中并不严格。
我想问的是，我
浏览 0提问于2019-07-12得票数 1
回答已采纳
我是TensorFlow的新手。我有一个不同图像大小的图像分类问题。在中，我了解到在模型内部进行调整是多么有益，而不是在dataset.map()函数中。
我对数据集进行了如下分批处理：
ds_train = ds_train\
.batch(BATCH_SIZE)\
.prefetch(tf.data.experimental.AUTOTUNE)
我的模型非常简单：
base_model = tf.keras.applications.ResNet50V2(
include_top=True, weights=None, input_tensor=None,
浏览 0提问于2021-04-06得票数 0
回答已采纳
我目前正在研究用于图像分析的神经网络模型，使用MNIST数据集。我第一次只使用图像来建立第一个模型。然后我创建了一个附加变量，当数字实际上介于0到4之间时是0，大于或等于5时是1。
因此，我想要建立一个可以接受这两个信息的模型:数字的图像，以及我刚刚创建的附加变量。
我创建了两个第一个模型，一个用于映像，一个用于外生变量，如下所示：
import tensorflow as tf
from tensorflow import keras
image_model = keras.models.Sequential()
#First conv layer :
image_model.add(
浏览 2提问于2019-07-25得票数 7
回答已采纳
5回答
反射填充Conv2D
、、、、
我正在使用keras构建一个用于图像分割的卷积神经网络，我想使用“反射填充”而不是填充“相同”，但我找不到在keras中这样做的方法。 inputs = Input((num_channels, img_rows, img_cols))
conv1=Conv2D(32,3,padding='same',kernel_initializer='he_uniform',data_format='channels_first')(inputs) 有没有一种方法可以实现反射层并将其插入到keras模型中？
浏览 53提问于2018-06-04得票数 6
回答已采纳
1回答
假设我已经在imagenet上预先训练过的VGG19中输入了一个图像，如下所示：
from tensorflow.keras.applications.vgg19 import VGG19
from tensorflow.keras.preprocessing import image
from tensorflow.keras.applications.vgg19 import preprocess_input
from tensorflow.keras.models import Model
import numpy as np
base_model = VGG19(weights=&#
浏览 0提问于2020-08-06得票数 0
R layer_rescaling()中的keras包只返回以下错误：
“require_tf_version中的错误”(“2.6”，" layer_rescaling()“)：使用layer_rescaling()所需的Tensorflow版本>=2.6
但是，我的keras包已经更新了(2.9.0)。我找到了keras的源代码如下：
layer_rescaling <-
function(object, scale, offset = 0, ...)
{
require_tf_version("2.6", "layer_rescaling(
浏览 5提问于2022-08-10得票数 2
我知道这可能是个愚蠢的问题，但我到处寻找答案，但我找不到答案。
好吧，首先正确地解释我的问题，
当我学习CNN时，有人告诉我，内核、过滤器或激活图代表了图像的特征。具体来说，假设一个猫图像识别，一个特征图将表示一个“胡须”，而在这个特征图的激活程度很高的图像中，它被推断为在图像中有胡须，所以图像是猫。(如果我错了，请纠正我)
现在，当我创建一个Keras ConvNet时，我保存模型，然后加载模型，并将所有过滤器保存到png映像中。我看到的是3x3px图像，每个像素都有不同的颜色(绿色、蓝色或它们的各种变体等等)。
那么，这些3x3px随机彩色图像是如何以任何方式代表猫的“胡须”或其他特征的呢
浏览 0提问于2019-03-09得票数 0
回答已采纳
我正在尝试为一个图像到图像转换应用程序构建一个CNN，模型的输入是图像，输出是置信度图。在训练过程中，没有标记的置信度作为基本事实，但设计了一个损失函数来引导模型到适当的输出。 我在使用keras构建神经网络时遇到了问题，因为model.fit()函数需要训练数据和标记数据(地面实况数据)。 所以我的问题是，有没有办法用keras或tensorflow建立一个无监督的CNN？如果是这样，我应该怎么做才能构建一个？有没有我可以参考的应用程序示例？ 提前感谢！
浏览 17提问于2019-04-15得票数 4
我正在使用传输学习来建立一个图像识别模型，使用预先训练的VGG网络在Keras和排除最终完全连接层，以获得输出权重。然后，我使用这些输出权重来输入我的新模型，这个模型有几个层次，还有一个我自己正在训练的完全连接的新层。完全连接的层映射到我试图预测的输出类的数量。
一切都很好。但是，当我运行results = model.predict(img_tensor)时，我会得到与每个类相对应的输出概率，如下所示：
print(results)
[[0.1426621 0.6193871 0.23795079]
[0.11187755 0.6208466 0.2672758 ]
[0.1
浏览 2提问于2018-03-02得票数 0
因此，我遇到了一个问题，即如何在Keras中将CNN与RNN结合起来。在发布问题时，有人指出这是解决问题的正确方法。显然，我只是忽略了原始代码中的一些东西，这让我回答了自己的问题。
原来的问题是：
如何在Keras中创建一个模型，该模型以图像序列作为输入，CNN‘查看’每个单独的图像，并将CNN输出的序列输入到RNN中？
更清楚地说：
模型一:一个只看单个图像的CNN。
模型二:在模型一的CNN输出序列上的RNN。
因此，例如，CNN应该看到5个图像，来自CNN的5个输出的序列应该传递到RNN。
输入数据格式如下：
(number_of_images，宽度，高度，通道)= (4000,120，
浏览 4提问于2018-11-27得票数 9
1回答
我正在做一个项目，在这个项目中，我需要估计一个人的年龄，给他们的手的X光。我得到了一个测试集，其中包含大量图像(在我的计算机上的文件夹中)，所有图像都已编号，我还获得了一个CSV文件，该文件将每个图像编号与两条信息相对应:年龄(以月为单位)，以及该个体是否为男性(以"true“或”false“表示)。另外，我相信我已经成功地将这两个文件导入到python中(图像文件夹和CSV文件)。 我看过许多TensorFlow教程，但我正在努力弄清楚如何将图像编号关联在一起，以及如何训练数据集。任何帮助都将不胜感激！ 到目前为止，我已经附加了我的代码块，以及数据是如何呈现给我的。 import
浏览 24提问于2021-06-28得票数 0
回答已采纳
1回答
这不是我所期望的！
我在上训练过CNN。精度接近于~0.93，总的来说，它在单数图像上测试的效果很好。因此，如果我用包含单个数字的图像测试模型，如下所示：
对于接近1的预期类概率，它工作得很好。但是，如果我给模型提供一些随机图像，比如一些house或lion，它仍然可以预测一个概率接近1的类，我无法理解原因。它应该预测每个班的概率都很低。
这是我创建网络的方式。
import tensorflow.keras as keras
model = keras.Sequential()
# First Conv Layer
model.add(ker
浏览 0提问于2019-04-20得票数 0
我有一个庞大的数据集。当我处理这样的数据集时，我通常的方法是使用numpy存档将其拆分成多个微小的数据集，并使用生成器来处理它们。有没有其他的替代方案呢？我还想将随机运行时图像增强与Keras图像预处理模块结合起来，这也是一个生成器类型的函数。我如何流传输这两个生成器进程？Keras图像增强模块的链接如下所示。https://keras.io/preprocessing/image/ 我目前的数据流生成器如下所示： def dat_loader(path, batch_size):
while True:
for dir, subdir, files in os.wa
浏览 17提问于2019-06-04得票数 0
1回答
假设您有一个数据集，其中包含每个图像的图像和.csv中的一些数据。您的目标是创建一个具有卷积分支和另一个(在我的例子中是MLP)的NN。
现在，有很多关于如何创建网络的指南(，)，这不是问题所在。
这里的问题是，当[[convolution_input, other_features], target]来自一个添加增强图像的Keras 时，如何创建一个convolution_input形式的迭代器。
更具体地说，当nth图像(可能是增广的，也可能不是)被输入到NN时，我希望它的原始特性在other_features中。
我发现了几次尝试(和，第二次看起来很有希望，但我无法弄清楚如何处理增强图
浏览 1提问于2020-03-03得票数 10
回答已采纳
这实际上是我第一篇关于Stackoverflow的文章，我对机器学习非常陌生。目前，我正尝试用VGG16训练一个简单的图像分类任务的卷积神经网络。它基于本教程：。我的目标是将该模型转换为CoreML，并将其用于iOS上的图像分类。
经过一些挣扎之后，通过使用以下转换行，我能够成功地将Keras模型转换为CoreML模型：
coreml_model =coremltools.converters.keras.convert(“模型路径”，image_input_names =“数据”，class_labels =“类路径”)
但是，在将CoreML模型复制到Xcode中之后，它请求一个形
浏览 1提问于2017-12-08得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
