如何在 Resnet 50 分类中输出置信度？答案

【问题标题】：How do I output confidence level in Resnet 50 classification?如何在 Resnet 50 分类中输出置信度？
【发布时间】：2020-10-14 21:37:42
【问题描述】：

我训练了 Resnet-50 分类网络来对我的对象进行分类，并使用以下代码来评估网络。

from tensorflow.keras.models import load_model
import cv2
import numpy as np
import os

class_names = ["x", "y", "b","g", "xx", "yy", "bb","gg", "xyz","xzy","yy"]


model = load_model('transfer_resnet.h5')


model.compile(loss='categorical_crossentropy',
              optimizer='adam',
              metrics=['accuracy'])

imgg = cv2.imread('/path to image/a1.jpg')


img = cv2.resize(imgg,(224,224))
img = np.reshape(img,[1,224,224,3])


classes = np.argmax(model.predict(img), axis = -1)

print(classes)

for i in classes:
    names = class_names[i]
print(names)



cv2.imshow("id",imgg)
key = cv2.waitKey(0)

处理后系统的输出只是对象的类别，没有显示任何置信度百分比，我的问题是我如何在测试过程中也显示置信度百分比？

【问题讨论】：

标签： python tensorflow opencv deep-learning classification

【解决方案1】：

model.predict 为您提供每个班级的信心。在此基础上使用np.argmax 只会为您提供最有信心的班级。

因此，只需这样做：

confidences = np.squeeze(model.predict(img))

我添加了np.squeeze 以删除任何单一维度，因为我们只查看单个图像，因此批量大小为 1。因此，第一个维度的大小仅为 1，所以我输入np.squeeze 删除单件维度。此外，您可以通过以下方式获得该图像的最佳类别以及置信度：

class = np.argmax(confidences)
name = class_names[class]
top_conf = confidences[class]

如果您想进一步显示预测中的前 5 个类别，您可以执行 np.argsort，对预测进行排序，然后找到相应类别的索引并显示这些置信度。请注意，我将按负数排序，因此我们以降序获得置信度，因此排序的第一个索引对应于具有最高置信度的类。我还将概率按 100 缩放，以便按照您的要求为您提供百分比置信度：

k = 5
confidences = np.squeeze(model.predict(img))
inds = np.argsort(-confidences)
top_k = inds[:k]
top_confidences = confidences[inds]

for i, (conf, ind) in enumerate(zip(top_confidences, top_k)):
    print(f'Class #{i + 1} - {class_names[ind]} - Confidence: {100 * conf}%')

您可以调整代码以显示您想要的数量。我已经让你玩起来很容易，所以如果你只想要最自信的班级，请设置k = 1。

【讨论】：