问题标签 [image-classification]

我正在尝试找到一个预先训练的模型，该模型将根据照片中是否有人对图像进行分类。

我在 Keras (v2.4.3) 中实现了一个多类图像分类神经网络。我想在编译和安装后评估我的模型的性能。 然而，在训练之后，没有关于验证过程的信息。所以我检查了历史键和历史，发现根本没有关于验证的信息。

如何显示训练模型的验证（分类）准确性？任何回应将不胜感激！

我正在尝试从 Sentinel SR 图像执行有监督的土地覆盖分类并得到以下错误：

SR_2018.select(...).sampleRegions 不是函数

我尝试按照这篇文章 https://stackoverflow.com/questions/63984413/image-selectbands-sampleregions-is-not-a-function-error-what-must-i-do 中的建议使用 .toBands() 但确实如此不解决问题。

我是 tensorflow 的新手，正在尝试建立一个模型来对两类图像进行分类。

验证准确率在 12 个 epoch 后达到 98%（这似乎异常高）。预测时，无论输入图像如何，它总是输出：[[1.]]

加载数据中：

模型：

预言：

当我删除img_array = img_array / 255.0它时，它会输出一个介于 0 和 1 之间的看似随机的小数。

我目前正在尝试训练 CNN 将由点组成的图像分类到一个类，该类是一个取决于点的数量和大小的值。更多的点应该属于高数字类，而较少的点应该属于低数字类。

我想知道是否有替代 CNN 来完成这项任务。我刚开始设计 CNN，因为它是一个图像问题，但后来意识到与图像中其他对象分类问题的不同之处在于，这些图像并没有真正具有与对象图像相同的属性，例如边缘。

主要目标是当输入是此类图像时从网络中获取一个数字，并且我没有偏好如何做到这一点，除非它必须是机器学习解决方案。

这就是图像的外观。我有可能使用两种不同的类型，一种是原始的，另一种是二进制灰度黑白。

二进制黑白图像

原始图像

我正在尝试实现efficientnetB0 来创建图像分类器。我现在开始只为二进制分类创建模型。在 ubuntu 18.4 上使用 Keras==2.4.3、tensorflow==2.3.1 和 Python 3.6

高效网络 B0 的代码 -

我得到的错误 -

引用此链接来编写代码

我想对日常照片进行分类，简单地分为餐、人、宠物、风景、旅行等。我发现图像分类模型都是基于 ImageNet2012 等数据集的，这些模型的输出是对象预测，偏离我的要求。什么样的模型和数据集可以满足我的需求？或者除了神经网络，还有机器学习之外的方法吗？

我正在尝试按照迁移学习、Jupyter notebook、教程对马的图像进行分类：

https://github.com/tensorflow/docs/blob/master/site/en/tutorials/images/transfer_learning.ipynb

我正在尝试在 Docker 中构建本地 Tensorflow 训练管道，并安装了最新的“TensorFlow Docker Image”。

我有 1000 张带标签的 JPG 图像，800x800，带有边界框和相关的 annotations.coco.json；分成训练/验证/测试文件夹。

通过使用“create_coco_tf_record.py”脚本将“annotations.coco.json”转换为 TFRecords，我设法将图像和标签部分加载到 TFRecordDatasets 中。

我正在努力了解如何转换/调整这些数据的大小以输入培训过程，特别是：

• 如何在转换/调整大小中使用“边界框”数据？本教程将整个输入图像的大小调整为 160x160，没有要处理的“边界框”数据。

• 例如，我应该剪掉包含在边界框内的图像，并调整它们的大小以输入到训练过程中吗？

• 与“边界框”相关联，每个图像可以有多个边界框，因此每个图像有多个标签；我们如何处理每张图像的这些“多个标签”？同样，本教程每张图片都有一个标签，因此在这方面更容易理解。

• 是否有更合适的教程来处理“边界框”和“每个图像的多个标签”？

我使用我在暗网中的原始数据创建了一个用于图像分类的 darknet53.weights 模型。（这不是 YOLO v3 模型。）有没有办法将 darknet53.weight 转换为 pytorch pt 模型？

我尝试在 github 等上引用各种代码，但它们都只能将 YOLOv3 权重文件转换为 pytorch 的 pt 模型。

我想将使用 darknet 创建的 darknet53 模型与使用 pytorch 创建的其他图像分类模型的准确性进行比较。最初，我尝试使用 pytorch 制作一个 darknet53 模型，但没有成功。因此，我用darknet 创建了一个darknet53 模型。

如果有人知道好的方法，请教我。

谢谢。

我正在研究机器学习（图像分类），我发现一个包含两个文件的数据集：

1. 图像（20,000 张图像）“图像”图像编号从 1 到 20,000（未分类）”
2. 包含图像信息和分类的 JSON 文件（12 类图像） JSON 文件的结构如下：

所以我正在尝试读取 JSON 文件并拆分数据集，以便我可以单独处理每个类。然后将“每个类”的 80% 作为训练集，将 20% 作为测试集

我试图找到一种将 JSON 文件与数据集（图像）匹配的方法，因此我可以对各个文件夹中的类进行分类，然后将它们划分为训练集和测试集

任何人都可以帮助我吗？

谢谢你