将图像转换为 CNN 的数组

Question

我正在尝试使用 CNN 对狗的繁殖识别进行分类。 我已将图像转换为灰度并重新缩放它们以缩小尺寸。 所以现在我试图将它们添加到 numpy 数组中并进行培训。 此外，我将使用 Relu 激活函数，因为它在多层和分类交叉熵下对不同类别的狗繁殖表现良好。

下面是灰度和重新缩放的代码：

def RescaleGrayscaleImg():

    # iterate through the names of contents of the folder
    for image_path in os.listdir(path):

        # create the full input path and read the file
        input_path = os.path.join(path, image_path)

        # make image grayscale
        img = io.imread(input_path)
        img_scaled = rescale(img, 2.0 / 4.0)
        GrayImg = color.rgb2gray(img_scaled)

        # create full output path, 'example.jpg' 
        # becomes 'grayscaled_example.jpg', save the file to disk
        fullpath = os.path.join(outPath, 'grayscaled_'+image_path)
        misc.imsave(fullpath, GrayImg)

我将如何将图像转换为数组？ 每列都是一个图像吗？

Answer 1

对于 CNN，您的输入必须是 4-D 张量[batch_size, width, height, channels] ，因此每个图像都是 3-D 子张量。 由于您的图像是灰度的，所以channels=1 。 同样对于训练，所有图像必须具有相同的大小 - WIDTH和HEIGHT 。

skimage.io.imread返回一个ndarray ，这对 keras 非常有效。 所以你可以像这样读取数据：

all_images = []
for image_path in os.listdir(path):
  img = io.imread(image_path , as_grey=True)
  img = img.reshape([WIDTH, HEIGHT, 1])
  all_images.append(img)
x_train = np.array(all_images)

不确定如何存储标签，但您还需要制作一系列标签。 我称之为y_train 。 您可以像这样将其转换为 one-hot：

y_train = keras.utils.to_categorical(y_train, num_classes)

keras 中的模型非常简单，这是最简单的模型（使用 relu 和 x-entropy）：

model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3), activation='relu', 
                 input_shape=[WIDTH, HEIGHT, 1]))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dense(num_classes, activation='softmax'))

model.compile(loss=keras.losses.categorical_crossentropy,
              optimizer=keras.optimizers.Adadelta(),
              metrics=['accuracy'])

model.fit(x_train, y_train, batch_size=100, epochs=10, verbose=1)

可以在此处找到完整的 MNIST 示例。