问题标签 [image-classification]

我正在使用频谱图在 IEMOCAP 中运行情绪分类模型。

我有 4 个情感类和大约 8900 个样本。

我的模型如下：

图像加载器如下：

我得到了 25% 的准确率，因为我所有的结果都被归类为 1 类，即无法学习任何东西。如果有人可以指导如何改进结果。

使用 librosa 以 16k Hz 的采样率提取频谱图。

我目前正在尝试构建一个可以检测患者是否患有由 covid 引起的肺炎的 CNN，并且无论我更改什么参数，模型的准确率都保持在 49%/50%，所以它基本上没用，因为它与掷硬币。这是我的代码，我想我会尝试使用 VGG-16 模型。

这总是给出：

纪元 1/10 6/25 [======>.......................] - ETA：1:22:37 - 损失： 7.5388 - 准确度：0.5083

<- 好吧，它总是给出一个非常差的准确性......

附加信息：

• 数据集中的一些图像是 JPG 其他是 PNG（不确定这是否是罪魁祸首）
• 该数据集有 2072 张用于训练 Covid CT 的图像和 2098 张用于训练 NonCovid CT 的图像
• 该数据集有 576 张用于测试 Covid CT 的图像和 532 张用于测试 NonCovid CT 的图像
• 文件结构如下所示： Covid19ModelImages -> 训练数据和测试数据 - 训练数据有 2 个子文件夹 Covid19CT 和 noncovid19 CT，测试数据也有 2 个子文件夹 Covid19CT 和 noncovid19CT
• 另外：我是不是太不耐烦了？我从不让它跑过第一个 epoch，因为我只是假设它永远不会超过 50%，是不是模型会在下一个 epoch 上改进更多？

如果有人愿意提供帮助，或者如果您需要任何其他附加信息来帮助您更好地了解问题，请告诉我！

我对此很陌生，我正在用 keras 写我的学士论文。我有这个大的 CNN，构建类似于 vgg，但有点不同，因为我有更大的分辨率图像，而且我的池更多一点。我在顶部添加了一个 2048 密集层。我使用什么 Dropout。我想要一个高辍学，因为我的数据很少（请阅读下文）并且我添加了许多神经元。但是当它太高时会发生什么？

我问是因为我的时间有限，而且网络需要 3 天的时间来训练。如果有人以任何方式知道答案或提示，我将不胜感激。任何其他关于改变或做什么的建议/提议，什么对你有用，也非常受欢迎。

提前致谢！这是我构建模型的方式：

I also wanna add that I have very little data to train from. that is why I want the big dropout. I have around 100 pics per class. sometimes even only 60, sometimes 200:

I am confident it can go over 90% on validation-set, but what is the best way to go here, I dont really know. What happens if I go 90% dropout? I currently run 60% but with a smaller model, only 1024 neurons on that top:

I am running batch_size = 8 and: optimizer=optimizers.Adam(learning_rate=0.0000015)

again, thanks a lot!

正在研究二进制类的分类问题，我现在使用下面的代码完成了单个图像中模型的训练和测试

问题是每次我重新运行代码时，我都会不断地得到标签和准确性的预测，我不确定是什么原因造成的

我想做的事：我想用mobileNet从TensorFlow.js图像分类中得到概率最高的className。我想将类名作为字符串。

问题：我不知道如何将类名隔离为字符串。有这个命令吗？或者你知道我该如何解决我的问题吗？

我的代码：

和输出：

所以在这种情况下，我想得到字符串（'chain mail, ring mail, mail, chain armor, chain armour, ring armour, ring armour'）。

我已经创建了 CNN，并且正在尝试弄清楚如何针对它测试随机图像。我正在使用 Keras 和 Tensorflow。假设我想测试在这里找到的图像： https ://i.ytimg.com/vi/7I8OeQs7cQA/maxresdefault.jpg 。

我将如何保存模型，加载它然后针对它测试这个图像？这是我在网上找到的一些示例代码，说明了我的意思： https ://meta.stackexchange.com/questions/144665/hide-email-address-from-my-profile

非常感谢任何帮助，谢谢！

我是 Django 新手，我正在尝试构建图像分类器应用程序，我刚刚尝试构建应用程序，但出现此错误，我该如何解决？

这些是我在我的应用程序中所做的所有更改： 这是 imgUpload 应用程序中的 views.py 文件

这是 imageUpload 应用程序中的 urls.py 文件

这是 Imageclassifier 文件夹中的 urls.py：

另外，我在模板文件夹中添加了一个 home.html 文件。我该如何解决这个错误？

我目前正在训练一个神经网络来对食物图像的食物组进行分类，从而产生 5 个输出类。但是，每当我开始训练网络时，都会出现以下错误：

这是我的神经网络定义和训练代码。我真的很需要帮助，我对 pytorch 比较陌生，无法弄清楚我的代码中到底有什么问题。谢谢！

训练网络：

我正在浏览这个例子，我们可以使用 faceApi 和 ml5 来显示面部标志。

https://editor.p5js.org/ml5/sketches/FaceApi_Image_Landmarks

从 ml5 的文档中，我了解到我们也可以只检测人脸。例如，在 faceApi 的文档中，我们看到了如何使用电视节目海报来预测角色名称的示例。我知道这在 tensorflow 中是可能的，但我无法弄清楚是否有可能在 ml5 中获得名称/描述。

我正在尝试此操作，但在获得的结果中看不到任何名称：

我正在尝试将数据加载到 Colab 笔记本中，其中（平面）目录包含一堆 jpg 图像，标签类包含在单独的 csv 文件中，使用 tf.keras.preprocessing.image_dataset_from_directory。

根据文档：

Either "inferred" (labels are generated from the directory structure), or a list/tuple of integer labels of the same size as the number of image files found in the directory. Labels should be sorted according to the alphanumeric order of the image file paths (obtained via os.walk(directory) in Python).

我使用 pandas 读取 csv 并使用以下内容将其转换为列表，并将 train_labels 作为标签参数传递：

但是，在运行单元时，输出显示为：

我传递类列表的格式是否有问题，或者在标签类生效之前我需要进行其他设置吗？