减小图像大小时如何更改 CNN 模型答案

【问题标题】：How to change CNN model when reducing image size减小图像大小时如何更改 CNN 模型
【发布时间】：2021-09-09 12:57:57
【问题描述】：

我用 120*120 大小的数据集图像构建了一个用于缺陷检测的 CNN 模型。

现在我将图像更改为 60*60 大小，并且我想为这些图像运行我的 CNN 模型。为此，我只是将我的input_shape 从(120,120,3) 更改为(60,60,3)，但是当我运行我的CNN 模型时，准确率降低了很多！

这是我的 CNN 模型：

from keras.models import Sequential

model = Sequential()
model.add(tf.keras.layers.Conv2D(input_shape = (60, 60, 3), filters=16, kernel_size=(3, 3), activation='relu'))
model.add(tf.keras.layers.MaxPool2D(pool_size=(2, 2)))
model.add(tf.keras.layers.Conv2D(filters=32, kernel_size=(3, 3), activation='relu'))
model.add(tf.keras.layers.MaxPool2D(pool_size=(2, 2)))
model.add(tf.keras.layers.GlobalAveragePooling2D())
model.add(tf.keras.layers.Dense(3, activation='softmax'))

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

print(model.summary())

history = model.fit(
    train_data,
    validation_data=val_data,
    epochs=100,
    callbacks=[
        tf.keras.callbacks.EarlyStopping(
            monitor='val_loss',
            patience=3,
            restore_best_weights=True
        )
    ]
)

另外，在我运行我的 CNN 并获得低准确率后，我想测试一张图像，但我出错了。这是我的测试部分：

import os

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 = np.expand_dims(np_image, axis=0)
    return np_image

folder_path = './New folder/29.png'
image = load(folder_path)
pred = model.predict(image)
pred.tolist()[0]

我得到的错误是：

ValueError: Input 0 of layer sequential_2 is incompatible with the layer: : expected min_ndim=4, found ndim=3. Full shape received: (None, 60, 60)

【问题讨论】：

这个/New folder/29.png 图像的形状是什么？可以直接到这个文件夹手动查找吗？
您是否尝试过将reshape 图像转换为 (1,1,60,60) ？此外，对于精度损失，您能否在视觉上确保缺陷在较低像素数的情况下仍然可见？
29.png的大小为60*60
如何将图像重塑为 (1,1,60,60)？
我不应该在我的 cnn 模型中更改任何其他内容以兼容图像尺寸 60*60 吗？

标签： python tensorflow keras deep-learning conv-neural-network

【解决方案1】：

试试这个：

def load(filename):
    np_image = Image.open(filename)
    np_image = np.array(np_image).astype('float32')/255
    np_image = transform.resize(np_image, (60, 60, 3))
    np_image = np.expand_dims(np_image, axis=0)
    return np_image

【讨论】：