问题标签 [image-classification]

我正在尝试建立一个分类模型来识别室内设计中图片的观点。目前，我只考虑两个类：sofa_left 和 sofa_right，具体取决于沙发的方向（参见示例）。

我使用与本教程相同的代码进行迁移学习（基于具有 imagenet 权重的 MobileNetV2）。

代码没有问题：我可以使用提供的猫狗数据集重现预期结果。

如果有帮助，这里是模型摘要。

然而，我自己的图像的结果真的很差（50% 的准确度......），我不知道为什么。模型中有 dropouts，我尝试了很多设置（学习率、验证拆分、批量大小）和很多预训练模型。

每个班级我有大约 150 张照片。我知道这不是一个很大的数据集，但我不需要过多概括，我需要测试的所有图片都是同一类型的。是不是太短了？

我kmeans clustering对数据集上的 MobileNetV2 进行的预测运行了一个算法，tada...图片在 sofa_left 和 sofa_right 之间完美排序。它让我直觉这个分类问题应该可以通过学习来解决。我对吗？我错过了什么吗？

谢谢您的帮助。

我正在尝试转换图像分类数据集以与 Cloud TPU 一起使用（如此处所示），在他们提供的示例中，有这个文件（https://github.com/tensorflow/tpu/blob/master/tools /data_converter/image_classification/image_classification_data.py）。第 44 行有这个导入：

我找不到这个 image_utils 来自哪里。非常感谢帮助。

我正在使用 KERAS/TF 制作一个带有迁移学习的图像分类器，包括预训练的模型权重。图像数据集按 80/10/10 拆分。类别是范围从 1 到 80 的字符串标签。

对于图像的预处理，我使用 ImageDataGenerator 并且评估在评估集上显示出良好的准确度，约为 58%。但是，尝试预测评估集上的值给出了大约 0.01 的准确度。我也在测试集上试过了，结果还是不行。

有人知道预测出了什么问题吗？

先感谢您！

此致，

我已经学习 PyTorch 几个星期了。当我使用PyTorch datasets 中的 CIFAR-10 数据集进行练习时，我也想到了使用 ImageFolder 类进行练习，因此我从 Kaggle 中找到了 Cifar-10的一个版本，其中图像被文件夹。（我你不记得 PyTorch 数据集是tar.gz 格式，而不是文件夹结构）

令我大吃一惊的是，尽管使用相同的损失函数、学习率和架构，Kaggle 数据集测试集的准确度从 0.18 开始，PyTorch 数据集的准确度从 0.56 在 epoch 1 开始。

最终在 20 个 epoch 之后，一个几乎在 0.45 附近饱和，而后一个几乎固定在 0.86 附近。

我一次又一次地检查，但没有发现这两个代码有什么大的区别。我真的很想知道，如果我做错了什么，或者这两个数据集有什么根本不同。

澄清一下，我正在使用这个Pytorch 数据集和这个Kaggle 数据集。代码太大，这里不提供，所以我提供了我的笔记本，欢迎你看我的整个代码，如果需要也可以运行[你只需要使用你的 Kaggle API 密钥来下载来自 kaggle 的数据集，我不能公开我的数据集...抱歉给您带来不便] Kaggle Dataset Notebook here和 Pytorch Dataset Notebook here

我还提供了我认为大部分不同的代码块。

Kaggle 数据集：

Epoch 1 得分 = 0.18 Epoch 20 得分 = 0.45

Pytorch 数据集：

Epoch 1 得分 = 0.18 Epoch 20 得分 = 0.45

我正在关注 Google AI Platform 的“开始使用内置图像分类算法”教程，在提交训练作业之前，必须指定（似乎是可选的）“image_size”，定义为：“图像用于训练的尺寸（宽度和高度）”。我是否必须指定几个标量（逗号分隔？）或一个标量？我们如何解释这个参数？如果我指定了一些东西，它是否强制我所有的输入图像都应该是这个特定的大小，或者图像会被训练图自动调整大小（或裁剪？）到这个大小？同样对于预测任务，我是否必须将输入图像的大小调整为这个特定的大小，或者预测图是否会处理这个问题。

我有大约 5000 个音频样本，并为每个样本制作了频谱图并保存为图像。我已经知道如何用 librosa 制作频谱图，显示它并保存在正确的图像中。但是每次在保存图像之前都会感到沮丧。使用所有 5000 个样本进行此操作不是一个好主意。是否可以在不替换的情况下保存图像？

我正在训练 3D CNN 进行图像分类，但是我收到以下错误，我将 tensorflow 作为后端。运行 model.fit() 时，我不断收到此错误。

我查看了网上发布的大部分相关问题，但它们都集中在后端是 theaon 还是 tensorflow。其中一些建议扩展尺寸，但仍然不起作用，并且出现了其他一些问题。

我的模型

我得到的错误：

我试图使用我训练的模型来检查传递给它的图像，但是，它未能使用我传递的图像。

编码：

我试图运行代码来检测图像的预测，我得到了这个错误：

我在 Google Colabs 中使用了相同的图像和模型，它在那里工作，但是在我的本地计算机上运行它时，它的工作方式不一样，我该如何解决这个问题？

我目前正计划训练一个二值图像分类模型。我要训练的图像是两张原始图片之间的差异。换句话说，对于每个数据条目，我从 2 张图片开始，取它们的差异，并将差异标记为 0 或 1。我的问题是找到这种差异的最佳方法是什么。我知道cv2.absdiff然后正常减去图像 - 最有效的方法是什么？

关于数据：我正在训练的图像是屏幕截图，通常相同，但可能存在细微差异。我发现正常减法似乎显示的差异小于 absdiff。

这是我用于 absdiff 的代码：

然后这是正常的减法：

谢谢！

我正在尝试预测图像的标签，但我得到了 ValueError。我的代码是

我应该怎么办？