问题标签 [image-classification]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - 如何为深度学习中的多类创建多维 NumPy 数组？
我正在关注一个用于人脸识别的连体网络示例，它只使用两个类，每个类有 3 个图像（即总共 6 个图像）。如何修改以下代码以读取并标记为6 个图像类，每个类 10 个图像（即总共 60 个图像）？
python - 检查目标时出错：预期 activation_5 的形状为 (1,) 但得到的数组的形状为 (2,)
我正在尝试运行二进制图像分类器。
我的火车 CSV 文件有 4 列：
我的代码如下：
我收到以下错误：
回溯（最后一次调用）：文件“”，第 2 行，文件“C:\Users\yasir.pirkani\PycharmProjects\untitled\venv1\lib\site-packages\keras\engine\training.py”，第 1154 行，适合 batch_size=batch_size) 文件“C:\Users\yasir.pirkani\PycharmProjects\untitled\venv1\lib\site-packages\keras\engine\training.py”，第 621 行，在 _standardize_user_data exception_prefix='target')文件“C:\Users\yasir.pirkani\PycharmProjects\untitled\venv1\lib\site-packages\keras\engine\training_utils.py”，第 145 行，在 standardize_input_data str(data_shape)) ValueError：检查目标时出错：预期activation_5 具有形状 (1,) 但得到了形状 (2,) 的数组
我需要帮助来解决这个问题。
python - 我可以在 KNN 机器学习模型中使用字符串值作为我的因变量吗？
所以，我有 128 个面部编码的数据，标签是人的名字，上面有名字的列是我的目标列。我显然使用标签二进制化来二进制化因变量（名称列）。当我使用 KNN 拟合并预测人名时，它并不能预测任何东西。
它应该是这样的：
但相反，我得到了这个：
因此，我的第一个疑问是我是否可以使用字符串值作为我的因变量或目标变量。任何帮助表示赞赏。谢谢
对于二值化，我使用了这个
tensorflow - Why we reshape images in Keras to 4d for image claissification
I don't know why we reshape and make its shape to (1, 3, 150, 150) as in line X = x.reshape((1,) + x.shape)and what 1 means here and what is the benefit of that.
This example is from https://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html
python - 图像分类+定位
我正在研究一个图像分类问题，我的目标是创建一个模型，我可以在其中输入图像、它的类和边界框的值（x_min、y_min、x_max、y_max）。到目前为止，我只使用了图像检测，我使用 ImageDataGenerator 来加载我的图像，所以这对我来说是新事物。
在 Aurélien Géron 的 Hands-on Machine Learning with Scikit-Learn,Keras & TensorFlow 一书中，他简要提到了图像分类和本地化，并提供了一个示例模型。
他还提到数据应该是元组的形式
但据我所知，keras 只接受数组形式的数据。因此，如果有人可以帮助我理解应该如何设计模型以及如何将输入输入模型以获取图像的类别和边界框的值作为输出。
python - 如何使用 Resnet 架构对自定义标记的图像集进行分类？
我正在尝试在 resnet 152 上使用迁移学习来将自定义标记为 0/1 的图像数据集分类为是否包含感兴趣的对象。我参考了多个教程，但无法弄清楚。我将在下面放置一些我之前引用过的链接，但我尝试使用的第一个代码。
我开始尝试使用它。 使用预训练 ImageNet 模型的 PyTorch 迁移学习
但我得到 NameError，“OrderedDict”没有定义。我想了解我在分类器步骤中做错了什么。在那之后，我仍然在努力理解如何在我自己的图像数据集上使用这个新模型和分类器（应该如何输入图像，指定为 0/1，指定为训练/测试等）。您可以指出我的任何帮助或教程将不胜感激。
machine-learning - 如何将迁移学习用于不相关的问题
我想知道并了解是否可以使用迁移学习来识别与原始模型无关的图像。
例如，如果我想识别皮肤病，是否可以使用预先训练的模型，使用对猫和狗进行分类的模型？
python - 是否可以在我的问题上应用 sklearn 评估指标，例如精度、召回率、f1_score？
我的深度学习主题是将图像分为 5 个不同的类别。我使用 ImageDataGenerator 库将我的数据集拆分为训练和测试。我已经成功开发了一个遵循 CNN 方法的模型架构，并在测试数据集上评估了我的模型的性能，这给了我 83% 的准确率。
是否可以应用精度、召回率、f1_score 等 sklearn 评估指标来评估我的测试结果？如果是，我该怎么做？
python - ValueError：具有多个元素的数组的真值不明确。使用 a.any() 或 a.all()。需要帮助解决错误
我的深度学习主题是将图像分为 5 个不同的类别。我使用 ImageDataGenerator 库将我的数据集拆分为训练和测试。否定了创建需要大量手动工作的 csv 文件的需要。我已经成功开发了一个遵循 CNN 方法的模型架构，并在测试数据集上评估了我的模型的性能，这给了我 83% 的准确率。现在，当我尝试预测我的模型对图像进行分类时，这是它给出的错误：
这是我的代码：
我对如何解决这个问题一无所知。
python - 导入库实用程序
我正在研究图像分类并为此目的使用 Google colab。但是当我想导入以下模块时，它会抛出一个错误。