问题标签 [image-preprocessing]

I'm dealing with the 2D semantic segmentation task.

in Keras API Documents, these only has samples showing how to arrange dataset for image classification, not semantic segmentation.

So I arrange my image and label like this

But I found that the type of generated label images is float32, so I add a preprocessing_function function to label_datagen only to cast the dtype to uint8, but the generated label images' dtype is still float32, it seemed that preprocessing_function did nothing.

How can I repair this problem?

How to change my label data to uint8?

Is it a 'common practice' to add a preprocessing function to cast the dtype of label images?

Thanks for any advice！</p>

例如，在我的 2D 语义分割任务中，标签中的所有像素值都不是 0,1,2，而是 0,127,255。所以我想简单地向我的标签数据集的 ImageDataGenerator 添加一个预处理函数，

我的代码：

但似乎我的

预处理函数（图像）

对我的标签数据没有影响。

我是否以正确的方式使用预处理功能？我该如何修复这个？

我正在研究面部表情识别。我制作了一个包含 213 个图像的特征和类别的数据集。

• Step1：我的数据集的每一行代表一张图像的特征。所以对于 213 图像 213 行
• Step2：最后一列代表类如；1,2,3,4,5,6,7
• Q1：当我运行分类学习器并检查交叉验证时，准确性非常低。
• Q2：当我运行分类学习器并且没有检查交叉验证时，所有分类器的准确性都很好。

我不明白为什么？请帮我？如果有人已经经历过。

如下图所示的文本边框对 OCR 来说是一个非常糟糕的结果。

所以我使用 javaCV（OpenCV 的 java wrapper）来删除图像中文本周围的边框和框。结果相当令人满意。但我现在面临的问题是，它正在删除文本的水平和垂直行，就像下面的例子一样。

被移除的水平线以不同的颜色重新绘制。

我正在按照以下步骤删除边框

1. 找到指定轮廓高度和宽度的水平和垂直轮廓。
2. 用白色填充轮廓。

我在下面附上了我的代码片段。

那么如何只删除边框而不影响文本呢？Java中的解决方案更可取，但我对python没问题。

我有一个图像数据集，在将其提供给深度学习算法之前，我需要将其裁剪为相同的大小。所有图像都有不同大小的黑边，如下图所示。有关裁剪具有不同边距大小的图像的方法的任何建议。

我正在使用Keras VGG16 模型。

我已经看到有一个preprocess_input 方法可以与 VGG16 模型结合使用。此方法似乎调用 imagenet_utils.py 中的preprocess_input 方法（视情况而定）调用imagenet_utils.py 中的 _preprocess_numpy_input 方法。

有preprocess_input一个mode参数需要“caffe”、“tf”或“torch”。如果我在 Keras 中使用带有 TensorFlow 后端的模型，我绝对应该使用mode="tf"吗？

如果是，这是因为 Keras 加载的 VGG16 模型是用经过相同预处理的图像训练的（即将输入图像的范围从 [0,255] 更改为输入范围 [-1,1]）？

另外，测试模式的输入图像是否也应该进行这种预处理？我相信最后一个问题的答案是肯定的，但我想要一些保证。

我希望 Francois Chollet 能正确地做到这一点，但是看看https://github.com/fchollet/deep-learning-models/blob/master/vgg16.py是他还是我在使用mode="tf".

更新信息

@FalconUA 将我带到牛津的 VGG，它有一个模型部分，其中包含 16 层模型的链接。有关preprocessing_input mode参数tf缩放到 -1 到 1 并caffe减去一些平均值的信息，请访问Models 16 层模型中的链接：信息页面。在描述部分它说：

“在论文中，模型表示为使用尺度抖动训练的配置 D。输入图像应通过平均像素（而不是平均图像）减法以零为中心。即，应减去以下 BGR 值：[103.939, 116.779、123.68]。”

我已经使用谷歌视觉 OCR 有一段时间了。而且我观察到 OCR 结果随图像尺寸而变化。例如，尺寸为 720 x 1280 的图像比 360 x 720 的效果更好。有时反过来会更糟。

我对微软的 OCR API 也有同样的体验。

那么是否有一个理想的图像尺寸总能提供良好的 OCR 结果？图像尺寸如何影响 OCR 结果？

好的，所以代码就像这样 X1 是加载的高光谱图像，尺寸为（512x512x91）我想做的基本上是裁剪 64x64x91 大小的矩阵，变化的步幅为 2。这给了我总共 49952 个图像，每个 64x64x91 大小但是当我运行 for 循环时，我得到了内存错误。我的系统有 8 GB 内存。

我有一个作为 Mat 文件加载的高光谱图像，尺寸为 (512x512x91)。我想使用这个图像的块作为我的 CNN 的输入，例如使用 64x64x91 的裁剪。问题是，一旦我从原始图像创建作物，我就无法加载数据，因为一次加载所有作物会给我带来内存错误。我可以做些什么来分批加载我裁剪的数据，这样我就不会收到这样的内存错误。我应该将我的数据转换为其他格式还是以其他方式处理问题？

我正在尝试使用训练有素的模型来预测新图像。我的准确率是 95%。但是无论我输入什么，predict_classes 总是返回第一个标签 [0]。我想原因之一是我使用featurewise_center=Trueand samplewise_center=Truein ImageDataGenerator。我想我应该对我的输入图像做同样的事情。但我找不到这些功能对图像做了什么。

任何建议将不胜感激。

ImageDataGenerator代码：

预测代码（我使用 100*100*3 的图像来训练模型）：

11/14 更新：

我将代码更改为预测图像，如下所示。但是，即使我提供了用于训练模型的图像（并且获得了 95% 的准确率），该模型仍然可以预测相同的类别。有什么我错过的吗？

我一直在寻找输入图像的预处理技术。在查看了 inception 模型的实现后：https ://github.com/awslabs/deeplearning-benchmark/blob/master/tensorflow/inception/inception/image_processing.py#L164 ，我发现他们使用的color_ordering参数可以是 0 或 1。在这种情况下，颜色排序是什么意思？