Keras 블로그에있는 자습서를 따르고 다음과 같은 문제가 있습니다. 모델을 교육 한 후에 어떻게 이미지를 선택하고 분류 할 수 있습니까? 나는 train_generator.class_indices 모델에 클래스가 있음을 알고 있습니다. 목표는 이미지의 경로를 소개하고 해당 클래스를 반환하는 것입니다. #libraries used
from keras i
Keras를 사용하여 CNN을 작성하여 두 가지 카테고리의 이미지를 분류했습니다. 내가 가지고있는 문제는 훈련 후에 정확한 예측을 얻지 못하는 것입니다. 작은 배경 ... 데이터 세트가 78,750 예 크면 (약 95 % 고양이. 1 5 % 고양이. 2) 내가 overfitting 고양이 위해 발생하는 것으로 가정으로서, 범인 수있다. 1 (이것이 문제라고
나는 이진 분류 작업을하고있다. 내가 좋아하는 내 네트워크를 만들었습니다 - CONV2, Relu2, Pool2 - Conv3, Relu3, Pool3 - Conv4, Relu4 - Conv5 Relu5 Dropot 0.5, FC, 드롭 아웃 0.5 - CONV1, Relu1, POOL1 SoftmaxlossLayer 모든 전환 층은 3 × 3입니다 . 기
나는 스도쿠 퍼즐에서 주어진 숫자를 인식하기 위해 CNN (Keras/Theano)을 사용한다. 솔루션을 "증강 현실"방식으로 표시하기 때문에 이미지 처리 작업 속도와 숫자 인식 작업 속도를 최소화하여 디스플레이가 부드럽게 유지되도록 노력하고 있습니다. 현재 초당 7 프레임의 속도를 얻었습니다 (여기에서 볼 수 있습니다 : Augmented Reality
Keras에서 Input_shape(256,256,4)으로 CNN 모델을 교육했습니다. 하지만 큰 이미지를 테스트 할 때 테스트 시간을 줄이기 위해 입력 크기를 (512,512,4)으로 변경하고 싶습니다. 나는 수동으로 .json 파일에 입력 모양을 변경하고, model = model_from_json(json file)
사용하고 난 오류가있어 mode
케라와 함께 멀티 클래스 분류기를 구현합니다. 이제 오류가 발생하기 때문에 내 문제는 예측을하는 것입니다. 나는 그것이 코드의 예측 부분과 관련이 있다고 생각한다. import numpy as np
from keras.preprocessing.image import ImageDataGenerator, img_to_array, load_img
from k
많은 수의 훈련 샘플 (100.000)에 대해 증가하는 대신 내 길쌈 신경 네트워크의 정확도가 감소합니다. 적은 수의 훈련 견본 (6.000)의 경우 정확도는 한 지점까지 증가한 다음 사망하기 시작합니다. 예 : 내가 잘못 nr_training_examples 100000
tb 2500
epoch 0 loss 0.19646 acc 18.52
nr_te
저는 Keras를 처음 접했고 Convolutional Neural Network 모델을 만드는 법을 배우고 있습니다. 나는 MNIST 데이터 세트를 사용하고있다. (X_train, y_train), (X_test, y_test) = mnist.load_data()
작성 및 평가 후 99 % 이상의 정확도를 얻습니다. model = NN_model()
이미지 인식 (인식)을위한 자체 교육 데이터 세트를 수집하려고합니다. 지금은 4 개의 클래스와 750 개의 이미지가 있습니다. 각 이미지는 각 클래스의 정식 이미지입니다. 그러나 이미지의 일부가 흐리거나 다른 배경이나 다른 요소와 같은 바깥 쪽 개체가 포함되어 있습니다 (단, 구별 할 수있는 것은 없습니다). 해당 교육 데이터 세트를 사용하면 이미지 인식이