问题标签 [image-classification]

• 我正在尝试计算二进制类彩色图像分类问题中的真阳性、真阴性、假阳性、假阴性比率。

• 我有二进制类、面部和背景彩色图像，我必须使用 MLP 对它们进行分类。

我的问题是：我收到错误：

ValueError：要求检索元素 0，但序列的长度为 0

编辑：完整回溯

• 在尝试分别从 2 个类预测每个文件夹时（而不是包含 2 个文件夹的根文件夹，每个类一个用于训练）。

我产生错误的代码是：

对于彩色图像，比如尺寸为 320 x 240，我们在图像中有 76,800 个像素。彩色图像的每个像素代表什么？它只是该像素的RGB值吗？形状和纹理如何以像素表示？如果彩色图像中的每个像素只包含 RGB 值，那么这些信息是否足以存储图像中对象的形状、大小和纹理？

我有一个名为 train 的文件夹，其中有三个单独的文件夹，分别是“Covid”、“Pneumonia”、“Healthy”。我使用迁移学习创建了 VGG19 模型。我需要帮助为我的测试数据创建混淆矩阵。我已将我的火车数据拆分为 75%、25%。我已经尝试了一切来创建混淆矩阵并计算 F-1 分数。如果有人向我提供代码，那就太好了，因为我是新手。

我已经尝试了数百次，尝试重塑X_train，y_train，无论如何，仍然返回这个错误。我尝试使用自己的基本 CNN 模型，效果很好，但使用迁移学习模型时，总是出错。我确定问题出在输入形状上，但无法解决。我提前感谢您的帮助。

这是输入形状：X_train.shape, y_train.shape

(994, 256, 256, 3), (994,)

我按照本教程创建了一个简单的图像分类：

https://blog.hyperiondev.com/index.php/2019/02/18/machine-learning/

在训练之前，我们对数据集中的图片进行矢量化，如下所示：

完成训练后，我想上传另一张图片（不在数据集中）并将其传递给分类器以检查它是否被预测（连同它的准确度分数）

但是我怎么能通过图片呢？我试过这个：

并得到一个错误：

那么，由于我没有单独的 x,y 值，因此如何对其进行矢量化。

TensorFlow Lite 在他们的 repo 中有一个很好的 C++ 图像分类示例，在这里。但是，我正在使用 .jpeg 并且此示例仅限于使用bitmap_helpers.cc解码 .bmp 图像。

我正在尝试创建自己的 jpeg 解码器，但我并不精通图像处理，因此可以使用一些帮助。我正在重用这个 jpeg 解码器作为第三方帮助库。在示例的 bmp 解码中，我不太明白计算row_sizes并在header 之后获取字节数组是怎么回事。谁能阐明这将如何适用于 jpeg 解码器？或者，更好的是，是否已经有一个 C++ decode_jpeg 函数隐藏在我没有找到的某个地方？

最终实现必须在 C++ 中的 TensorFlow Lite 中。

太感谢了！

编辑：

以下是我到目前为止所拥有的。当我对相同的输入图像和 tflite 模型使用图像分类器的 Python 示例时，我没有得到相同的置信度值，因此这清楚地表明存在问题。我基本上从 read_bmp 复制并粘贴了 row_size 计算而不理解它，所以我怀疑这可能是问题所在。row_size 代表什么？

我正在 Keras 中使用 CNN 训练、验证和测试图像分类器。我正在使用 flow_from_directory 生成训练、验证和测试数据集。

问题是，在 test_datagen 中，当我将 shuffle 标志设为 True 时，准确性下降，系统似乎没有给出任何好的结果，但我在训练和验证生成器中保持 shuffle = True。生成器如下：

训练和验证数据生成器：

测试数据生成器如下：

对于模型.预测：

1. 当shuffle= False结果如下：

精度：0.6472019464720195

2. 当shuffle= True结果如下：

精度：0.30170316301703165

如果有人能解释这种行为，我将不胜感激

我有一个简单而基本的问题。当我们训练一个图像分类器模型（即使用 CNN）时，我们究竟在哪里告诉模型这是一只猫还是一只狗？在反向传播之前，模型知道它是狗还是猫，因为它正在相应地安排新的权重。我们的数据被标记，但我们没有读取或传递这些信息到网络。我正在使用更复杂的图像字幕。感谢您的澄清，在此先感谢您！

抱歉，如果这个问题看起来很熟悉，我之前已经发布了更广泛的问题描述，但我已经删除了它，因为我在调查中取得了一些进展并且可以缩小到更具体的问题。

语境：

• 我正在使用make_image_classifier.
• 我想使用 C API 来加载生成的模型和标签图像。我在这里遇到数据输入问题。
• 我可以使用label_image.py 示例标记图像，因此模型很好，问题在于我对 C API 的使用。
• 如果我理解make_image_classifier正确，它会生成一个需要 4 维输入的模型。我们正在处理超出宽度、高度和通道的图像，我不知道第 4 维是什么。这种缺乏理解可能是我问题的根源。
• 我在代码中包含了一些错误处理，并且在调整大小后尝试从输入缓冲区复制时发生了我遇到的错误。

问题：

Q1：为什么生成的模型make_image_classifier需要 4 维输入？有高度、宽度和通道，但第四个是什么？

当我使用 C API 执行以下操作以使用我的图像输入运行模型时：

我得到：

所以我最终做了：

据我所知，第一个维度大小用于批量大小，以防我要处理多个图像。它是否正确？

Q2：我应该在调用时使用相同的维度结构来构建我的数据输入TfLiteInterpreterResizeInputTensor吗？我得到这个图像RGB输入缓冲区的错误：

在构建一个模仿给定的输入维度的输入时，我也会遇到错误TfLiteInterpreterResizeInputTensor，但这似乎很愚蠢：

最后一个输入结构类似于 Pythonlabel_image.py在执行此操作时使用的输入结构：

Q3：我的输入缓冲区有什么问题导致TfLiteTensorCopyFromBuffer返回错误代码？

谢谢！

完整代码：

编辑＃1：好的，所以在里面TfLiteTensorCopyFromBuffer：

我的input_data_size值为 150,528（3 通道 x 224 像素高 x 224 像素宽），但tensor->bytes为 602,112（3 通道 x 448 像素高 x 224 像素 448，我假设？）。我不明白这种差异，尤其是因为我调用TfLiteInterpreterResizeInputTensor了{1, 224, 224, 3}.

编辑#2：我相信我在这里找到了答案。确认后将解决此帖子。

我遇到了几个使用 RNN 对 MNIST 数字进行分类的示例，使用 sequence_length=1 初始化隐藏状态的原因是什么？如果您正在对视频帧预测进行 1 步预测，您将如何初始化它？

输入通常表示为

在上面的示例中，图像是按列传递的吗？是否有另一种方法来表示 RNN 中的输入图像？它与如何初始化隐藏状态有什么关系？