使用代表图像的 NumPy Arrays 创建 Tensorflow 机器学习 ZA559B8706892159EEC05084ECE54

Question

我目前正在开发人脸检测软件，作为人脸识别项目开发的一部分。

我遇到了一个我不知道如何解决的问题。 本质上，我将图像转换为 250x250 分辨率，然后将图像转换为扁平 NumPy 阵列。

Arrays 导出到 CSV 文件。

img = PIL.Image.open('tmp/images/train/cropped/image (' + str(convert_count) + ').jpg').convert('L')
width, height = img.size

img_size = 25, 25
img = img.resize(img_size)
imgarr = np.array(img)

pixels = list(img.getdata())
width, height = img.size
pixels = [pixels[i * width:(i + 1) * width] for i in range(height)]

pixels = np.concatenate(pixels).ravel().tolist()

with open('tmp/csv/train/train (' + str(convert_count) +').csv', 'w') as csvfile:
    fieldnames = ['array']
    writer = csv.DictWriter(csvfile, fieldnames=fieldnames)

    writer.writeheader()
    writer.writerow({'array': pixels})

我假设 arrays 中的元素数量都相同，因为它们是从 25x250 图像转换而来的。 然而，这种情况并非如此。 相反，我的前 2 个 arrays（图像）包含 74898 和 73682 个元素。

我想知道，为什么会这样？ 当输入大小不同时，Tensorflow 不会让我训练 model。 下面的代码：

import numpy as np
import tensorflow as tf
from tensorflow import keras
import csv


count = 1
remaining_images = 3
number_images = 3
image_array = {}
image_array[1] = {}
image_array[2] = {}

while remaining_images > count:
    with open('tmp/csv/train/train (' + str(count) + ').csv', 'r') as csvfile:
        reader = csv.reader(csvfile)
        row = [r for r in reader]
    image_array[count] = row[2]
    #print(image_array[count])
    count = count + 1

image_array[1] = str(image_array[1])
image_array[2] = str(image_array[2])

features = np.array([image_array[1], image_array[2]
])


labels = np.array([1, 0])

#Example of the number of Elements in Arrays
array_size = len(features[0])
print(array_size)
array_size = len(features[1])
print(array_size)

batch_size = 2

dataset = tf.data.Dataset.from_tensor_slices((features, labels)).batch(batch_size)

model = keras.Sequential([
    keras.layers.Dense(5, activation=tf.nn.relu, input_shape=((array_size),)),
    keras.layers.Dense(3, activation=tf.nn.softmax)
])
model.compile(
    optimizer=keras.optimizers.Adam(),
    loss='sparse_categorical_crossentropy',
    metrics=['accuracy']
)

model.fit(dataset, epochs=100, batch_size=batch_size, verbose=1)

Answer 1

我很好奇问题是否来自您如何保存到 csv 和从中获取。

在您的 while 循环（第二个代码块）中，如果您直接使用 PIL 打开图像文件，调整大小，然后使用生成的图像数组（就像您在第一个代码块中所做的那样），这是否解决了大小问题？

此外，由于您将大小调整为 25 x 25 = 625 像素，我认为每个图像数组中应该只有 625 个元素（而不是 74898 和 73682 个元素）。