如何在我的 CNN 模型上测试我自己的图像？

Question

我是一名初级程序员，尝试使用 CNN 进行图像分类。我的目标是建立一个模型来分类图像是否是铝罐，我想用我自己的图像进行测试。

我已经用下面的代码调整了图像的大小：

#将大小调整为 128,128
files = os.listdir("../input/aluminum-can-image-data/Aluminum Cans")

对于文件中的 f： img = Image.open("../input/aluminum-can-image-data/Aluminum Cans/" + f) img = img.resize((128,128))

ds_train_ = image_dataset_from_directory( '../输入/铝罐图像数据', 标签='推断'， image_size=[128, 128], 插值='最近的'， 批量大小=64， ) ds_valid_ = image_dataset_from_directory( '../输入/铝罐图像数据', 标签='推断'， image_size=[128, 128], 插值='最近的'， 批量大小=64， )

ds_train, ds_valid = train_test_split(files, test_size=0.2, random_state=1)

我想构建一个代码，用于显示在接收到单个图像时图像是铝罐的可能性百分比。任何有关构建此功能的代码的帮助将不胜感激~！

Answer 1

假设您使用的模型名为“model”，并且您有 2 个输出标签 -“Aluminium”、“Not Aluminium”。

由于您只需要预测单个图像，因此您必须使用 np.expandims(image,axis=0) 来增加输入的维度，以便模型工作。

代码：

class=["alum","not_alum"]

prediction=model.predict(np.expand_dims(image,axis=0))

confidence=round(100 * (np.max(prediction[0]),2)

argclass=np.argmax(prediction,axis=1)

print(class[argclass[0])

print(confidence).