Keras：模型.预测单个图像答案

【问题标题】：Keras: model.predict for a single imageKeras：模型.预测单个图像
【发布时间】：2017-08-18 10:13:15
【问题描述】：

我想使用 Keras 对单个图像进行预测。我已经训练了我的模型，所以我只是在加载权重。

from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D
from keras.layers import Activation, Dropout, Flatten, Dense
from keras import backend as K
import numpy as np
import cv2

# dimensions of our images.
img_width, img_height = 150, 150



def create_model():
  if K.image_data_format() == 'channels_first':
    input_shape = (3, img_width, img_height)
  else:
    input_shape = (img_width, img_height, 3)

  model = Sequential()
  model.add(Conv2D(32, (3, 3), input_shape=input_shape))
  model.add(Activation('relu'))
  model.add(MaxPooling2D(pool_size=(2, 2)))

  model.add(Conv2D(32, (3, 3)))
  model.add(Activation('relu'))
  model.add(MaxPooling2D(pool_size=(2, 2)))

  model.add(Conv2D(64, (3, 3)))
  model.add(Activation('relu'))
  model.add(MaxPooling2D(pool_size=(2, 2)))

  model.add(Flatten())
  model.add(Dense(64))
  model.add(Activation('relu'))
  model.add(Dropout(0.5))
  model.add(Dense(1))
  model.add(Activation('sigmoid'))

  return model


img = cv2.imread('./test1/1.jpg')
model = create_model()
model.load_weights('./weight.h5')
model.predict(img)

我正在使用以下方式加载图像：

img = cv2.imread('./test1/1.jpg')

并使用模型的预测功能：

 model.predict(img)

但我得到了错误：

ValueError: Error when checking : expected conv2d_1_input to have 4 dimensions, but got array with shape (499, 381, 3)

我应该如何继续对单个图像进行预测？

【问题讨论】：

标签： deep-learning keras

【解决方案1】：

由于您对模型进行了小批量训练，因此您的输入是一个形状为 [batch_size, image_width, image_height, number_of_channels] 的张量。

在进行预测时，即使只有一张图像，也必须尊重这种形状。你的输入应该是形状：[1, image_width, image_height, number_of_channels]。

你可以很容易地在 numpy 中做到这一点。假设您有一个 5x5x3 图像：

    >>> x = np.random.randint(0,10,(5,5,3))
    >>> x.shape
    >>> (5, 5, 3)
    >>> x = np.expand_dims(x, axis=0)
    >>> x.shape
    >>> (1, 5, 5, 3)

现在 x 是 4 阶张量！

【讨论】：

感谢您的回答。但是，在您的情况下，包含图像的 img 变量应该在哪里？
假设我的变量x 是一个图像。我可能应该写x=cv2.imread('image.jpg')。函数 cv2.imread() 返回一个 numpy 数组。所以在你的情况下，img 是一个 numpy 数组，我的 x 变量也是如此
另一种方法是x = x.reshape((1,) + x.shape)。还。 np.squeeze 可用于转换回 3 阶张量。
另外请记住，如果您使用 ImageDataGenerator 加载和训练数据，您可能使用了 rescale=1./255。如果您使用它，请确保添加 np.expand_dims(image, axis=0)/255...
仅仅嵌套在一个数组中也对我有用：x = np.array( [ x ] )，在这种情况下，这对我来说似乎更直观。

【解决方案2】：

试试：

 model.predict(img[None,...])

【讨论】：

数据格式化应该在预处理阶段完成，而不是在模型调用中。
这是一个有效的答案。奇怪的是，这个人被否决了。是因为他没有解释吗？ model.predict(img[None]) 也可以。而且它比np.expand_dims() 的东西要短很多。
同意，投票赞成这个答案。 @utkarsh-ankit 不要气馁。你的回答很有帮助。请提供一行解释 - 对其他人会更有帮助

【解决方案3】：

即使这不能解决您的错误，如果您之前已经这样做过，请确保并重新缩放您的图像。例如，我的训练生成器如下所示：

train_datagen = ImageDataGenerator(
   rotation_range=40,
   zoom_range=[0.7, 0.9],
   horizontal_flip=True,
   rescale=1./255
)

所以当我去预测单个图像时：

from PIL import Image
import numpy as np
from skimage import transform
def load(filename):
   np_image = Image.open(filename)
   np_image = np.array(np_image).astype('float32')/255
   np_image = transform.resize(np_image, (256, 256, 3))
   np_image = np.expand_dims(np_image, axis=0)
   return np_image

 image = load('my_file.jpg')
 model.predict(image)

我还必须将它重新缩放 255。

【讨论】：

感谢这对我有用。为了使用 skimage，我将 scikit-image==0.15.0 添加到 requirements.txt 包中

【解决方案4】：

您可以加载具有所需宽度和高度的图像，将其转换为形状为(image_width, image_height, number_of_channels) 的numpy 数组，然后将数组的形状更改为(1, image_width, image_height, number_of_channels)。 (batch_size =1)

import numpy as np
from keras.preprocessing import image

img_width, img_height = 150, 150
img = image.load_img('image_path/image_name.jpg', target_size = (img_width, img_height))
img = image.img_to_array(img)
img = np.expand_dims(img, axis = 0)

model.predict(img)

【讨论】：

【解决方案5】：

single_test = model.predict(np.expand_dims(X_test[i], axis=0))

【讨论】：