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 - 训练模型中的错误，其中训练图像位于类子文件夹中，而测试图像位于另一个文件夹中
我正在尝试对图像进行二进制分类。存在的图像有两种类型，例如“A”类和“B”类我的文件夹的结构是：
我正在运行以下命令，但它给出了错误
错误是：ValueError: logits and labels must have the same shape ((None, 2) vs (None, 1))
我是 keras 的新手，因此不知道如何解决此错误。提前致谢。
machine-learning - 如何为现有模型添加更多层（例如可教机器应用模型）？
我正在尝试通过在输出层之前添加更多层来使用可教机器应用程序https://teachablemachine.withgoogle.com/中的谷歌模型。当我重新训练模型时，总是返回这个错误：
ValueError：dense_25 层的输入 0 与该层不兼容：输入形状的预期轴 -1 具有值 5，但接收到形状为 [20, 512] 的输入
这是我的方法：
重新训练模型时，它返回错误：
如果我在不添加新层的情况下重新训练模型，它工作正常。任何人都可以建议是什么问题？
python - Python：Keras 模型为相同的数据和相同的模型返回不同的结果
过去几个小时，我一直在尝试制作我的第一个图像分类模型。为此，我使用了从头开始的图像分类教程。当我按照这些步骤进行操作时，我设法完成了教程。
与教程中的代码相比，我所做的唯一区别是：
- 为了使训练过程更快，我将 epoch 的数量从 50 改为 10，
- 我从函数中删除了图像增强块
make_model（一行代码）。
现在，我正在解决我的问题。最后，当我再次尝试获取相同数据和相同模型的预测结果时，结果是不同的。看看这个简单的代码：
结果：
我假设，只有在我重新训练模型的情况下，结果才会有所不同。但这不是我的情况！我只重新运行.predict()方法。所以，我的问题是 - 你能帮我吗，我做错了什么，好吗？我错过了什么吗？
cluster-analysis - 如何在 Goole Earth Engine 无监督分类中仅显示一个集群
假设我们有以下代码用于无监督分类。我的目标是确定该地区的水体。如何屏蔽其他类（集群）并在我的结果中仅映射其中一个集群（水体）：
python - Keras 从多个标签的目录流出
如果我有这样的目录结构：
我使用 Keras flow_from_directory，它只会抓取第一棵树，即 Bellis perennis 和 Tuplia 并将它们用作标签。有没有办法将主目录（Bellis）用作一个标签，将其子目录（草坪雏菊，english_daisy）用作第二个标签，并将这些标签与 Keras 功能 API 一起使用？
另一种选择是仅更改文件夹的设置方式，但如果有办法使用此文件夹结构，我想了解它。
编辑 - 进一步阅读后，您似乎可以在train_datagen.flow_from_directory. 但是你能指定2个不同的类吗？
machine-learning - mobilenet 的训练数据大小 (ImageNet)
有没有关于 ImageNet 中有多少图像/类用于训练 MobileNet 架构的信息？我已阅读论文“MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications”，但那里没有此类信息。
有什么线索吗？
python - 使用 prewitt_h 提取边缘特征
我正在尝试提取这样的边缘特征：
自定义功能：
但是，目前我收到一个错误，因为图像的形状与函数预期的不同prewitt_h。
如何在函数内部修改它以使返回的形状符合需要？
json - 如何注册要与detectron2 一起使用的数据集？我们有 COCO JSON 格式的图像及其注释
我正在尝试使用 Detectron2 训练模型。我正在使用杂货店图像数据，并且有 COCO 格式的注释。我在加载模型时遇到问题。模型不带注释。我指的是这个博客https://gilberttanner.com/blog/detectron2-train-a-instance-segmentation-model。
注册数据集时面临问题。
这段代码有问题吗？
python - 查找文件时，我在 haarcascade_frontalface_default.xml 中打开 cv 时出错
错误 ipython-input-9-a9e6253a492b> in ----> 1 faces = face_cascade.detectMultiScale(gray, 1.3, 5) 2 faces
错误：OpenCV(4.4.0) C:\Users\appveyor\AppData\Local\Temp\1\pip-req-build-71670poj\opencv\modules\objdetect\src\cascadedetect.cpp:1689：错误：(-215 :Assertion failed) !empty() in function 'cv::CascadeClassifier::detectMultiScale'
machine-learning - 如何使用已呈现标签或新标签的新图像重新训练机器学习模型以进行多标签图像分类？
让我们考虑一下，我们有几张 3 种不同动物的图像，比如说狗、猫和马。然后，我们使用具有这 3 个标签的机器学习训练了我们的图像分类模型。目前，我们正在使用这个 ML 模型进行动物图像分类。
现在，每当我们有一些猫、马以及新动物老虎和狮子的新图像时，我们希望将这些新图像添加到我们的 ML 模型中，并将新动物图像添加到新标签类别中，并使用更新后的 ML 模型进行图像处理分类。因此，在当前场景中，我们有 5 类动物图像。
那么，如何优化地重新训练这样的 ML 模型呢？在这种情况下最好使用哪些技术、框架或平台？