使用keras内置的模型进行图片预测实例


Posted in Python onJune 17, 2020

keras 模块里面为我们提供了一个预训练好的模型,也就是开箱即可使用的图像识别模型

趁着国庆假期有时间我们就来看看这个预训练模型如何使用吧

可用的模型有哪些?

根据官方文档目前可用的模型大概有如下几个

1、VGG16

2、VGG19

3、ResNet50

4、InceptionResNetV2

5、InceptionV3

它们都被集成到了keras.applications 中

模型文件从哪来

当我们使用了这几个模型时,keras就会去自动下载这些已经训练好的模型保存到我们本机上面

模型文件会被下载到 ~/.keras/models/并在载入模型时自动载入

各个模型的信息:

使用keras内置的模型进行图片预测实例

如何使用预训练模型

使用大致分为三个步骤

1、导入所需模块

2、找一张你想预测的图像将图像转为矩阵

3、将图像矩阵放到模型中进行预测

关于图像矩阵的大小

VGG16,VGG19,ResNet50 默认输入尺寸是224x224

InceptionV3, InceptionResNetV2 模型的默认输入尺寸是299x299

代码demo

假设我现在有一张图片

使用keras内置的模型进行图片预测实例

我需要使用预训练模型来识别它

那我们就按照上面的步骤

第一步导入模块

from keras.applications import VGG16
from keras.applications import VGG19
from keras.applications import ResNet50
from keras.applications import InceptionV3
from keras.applications import InceptionResNetV2

第二步将图像转为矩阵

这里我们需要使用 keras.preprocessing.image 里面 img_to_array 来帮我们转

image = cv2.imread(img)
 image = cv2.resize(image, self.dim)
 image = img_to_array(image)
 image = np.expand_dims(image, axis=0)

第三步 将图像矩阵丢到模型中进行预测

predict = model.predict(preprocess)
decode_predict = decode_predictions(predict)

完整代码如下

1、配置文件

2、获取配置文件的模块

3、图像预测模块

配置文件

[image]
image_path=/home/fantasy/Pictures/cat.jpg
[model]
model=vgg16
[weights]
weight=imagenet

获取配置文件的模块

import configparser
cf = configparser.ConfigParser()
cf.read("configs.cnf")
def getOption(section, key):
  return cf.get(section, key)

图像预测模块以及主要实现

# keras 提供了一些预训练模型,也就是开箱即用的 已经训练好的模型
# 我们可以使用这些预训练模型来进行图像识别,目前的预训练模型大概可以识别2.2w种类型的东西
# 可用的模型:
# VGG16
# VGG19
# ResNet50
# InceptionResNetV2
# InceptionV3 
# 这些模型被集成到 keras.applications 中
# 当我们使用了这些内置的预训练模型时,模型文件会被下载到 ~/.keras/models/并在载入模型时自动载入
# VGG16,VGG19,ResNet50 默认输入尺寸是224x224
# InceptionV3, InceptionResNetV2 模型的默认输入尺寸是299x299

# 使用内置的预训练模型的步骤
# step1 导入需要的模型
# step2 将需要识别的图像数据转换为矩阵(矩阵的大小需要根据模型的不同而定)
# step3 将图像矩阵丢到模型里面进行预测
# -------------------------------------------------------
# step1 
import cv2
import numpy as np
from getConfig import getOption
from keras.applications import VGG16
from keras.applications import VGG19
from keras.applications import ResNet50
from keras.applications import InceptionV3
from keras.applications import InceptionResNetV2
from keras.applications import imagenet_utils
from keras.applications.imagenet_utils import decode_predictions
from keras.preprocessing.image import load_img
from keras.preprocessing.image import img_to_array
from keras.applications.inception_v3 import preprocess_input

class ImageTools(object):
  """
  使用keras预训练模型进行图像识别
  """
  def __init__(self, img, model, w):
    self.image = img
    self.model = model
    self.weight = w
    
  # step2
  def image2matrix(self, img):
    """
    将图像转为矩阵
    """
    image = cv2.imread(img)
    image = cv2.resize(image, self.dim)
    image = img_to_array(image)
    image = np.expand_dims(image, axis=0)
    return image

  @property
  def dim(self):
    """
    图像矩阵的维度
    """
    if self.model in ["inceptionv3", "inceptionresnetv2"]:
      shape = (299, 299)
    else:
      shape = (224, 224)

    return shape

  @property
  def Model(self):
    """
    模型
    """
    models = {
      "vgg16": VGG16,
      "vgg19": VGG19,
      "resnet50": ResNet50,
      "inceptionv3": InceptionV3,
      "inceptionresnetv2": InceptionResNetV2
    }
    return models[self.model]

  # step3 
  def prediction(self):
    """
    预测
    """
    model = self.Model(weights=self.weight)
    if self.model in ["inceptionv3", "inceptionresnetv2"]:
      preprocess = preprocess_input(self.image2matrix(self.image))
    else:
      preprocess = imagenet_utils.preprocess_input(self.image2matrix(self.image))

    predict = model.predict(preprocess)

    decode_predict = decode_predictions(predict)

    for (item, (imgId, imgLabel, proba)) in enumerate(decode_predict[0]):
      print("{}, {}, {:.2f}%".format(item + 1, imgLabel, proba * 100))


if __name__ == "__main__":
  image = getOption("image", "image_path")
  model = getOption("model", "model")
  weight = getOption("weights", "weight")
  tools = ImageTools(image, model, weight)
  tools.prediction()

运行起来时会将模型文件下载到本机,因此第一次运行会比较久(有可能出现的情况就是下载不了,被墙了)

使用keras内置的模型进行图片预测实例

我们来看看使用VGG16的模型预测输出的效果如何

使用keras内置的模型进行图片预测实例

最后如果大家需要使用其他模型时修改 配置文件的model 即可

以上这篇使用keras内置的模型进行图片预测实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python常用模块用法分析
Sep 08 Python
python里对list中的整数求平均并排序
Sep 12 Python
python文件写入实例分析
Apr 08 Python
Python3中的真除和Floor除法用法分析
Mar 16 Python
Python的collections模块中namedtuple结构使用示例
Jul 07 Python
Python探索之爬取电商售卖信息代码示例
Oct 27 Python
Python爬虫使用脚本登录Github并查看信息
Jul 16 Python
OpenCV 之按位运算举例解析
Jun 19 Python
django rest framework 过滤时间操作
Jul 12 Python
python 获取字典键值对的实现
Nov 12 Python
PYTHON使用Matplotlib去实现各种条形图的绘制
Mar 22 Python
Python中文分词库jieba(结巴分词)详细使用介绍
Apr 07 Python
Python虚拟环境库virtualenvwrapper安装及使用
Jun 17 #Python
基于TensorFlow的CNN实现Mnist手写数字识别
Jun 17 #Python
Keras 加载已经训练好的模型进行预测操作
Jun 17 #Python
基于Tensorflow的MNIST手写数字识别分类
Jun 17 #Python
Kears 使用:通过回调函数保存最佳准确率下的模型操作
Jun 17 #Python
Python多线程threading创建及使用方法解析
Jun 17 #Python
Python偏函数Partial function使用方法实例详解
Jun 17 #Python
You might like
CI框架的安全性分析
2016/05/18 PHP
微信公众号开发之语音消息识别php代码
2016/08/08 PHP
select组合框option的捕捉实例代码
2008/09/30 Javascript
工作需要写的一个js拖拽组件
2011/07/28 Javascript
JS之Date对象和获取系统当前时间详解
2014/01/13 Javascript
jQuery flip插件实现的翻牌效果示例【附demo源码下载】
2016/09/20 Javascript
简单实现jquery焦点图
2016/12/12 Javascript
函数四种调用模式以及其中的this指向
2017/01/16 Javascript
Angular2数据绑定详解
2017/04/18 Javascript
jquery append与appendTo方法比较
2017/05/24 jQuery
使用Fullpage插件快速开发整屏翻页的页面
2017/09/13 Javascript
JS异步函数队列功能实例分析
2017/11/28 Javascript
基于js文件加载优化(详解)
2018/01/03 Javascript
微信小程序progress组件使用详解
2018/01/31 Javascript
详解PHP后期静态绑定分析与应用
2018/03/21 Javascript
vue实例中data使用return包裹的方法
2018/08/27 Javascript
详解js删除数组中的指定元素
2018/10/31 Javascript
JavaScript 复制对象与Object.assign方法无法实现深复制
2018/11/02 Javascript
小程序getLocation需要在app.json中声明permission字段
2019/04/04 Javascript
[06:48]DOTA2-DPC中国联赛2月26日Recap集锦
2021/03/11 DOTA
Python基础语法(Python基础知识点)
2016/02/28 Python
python pandas库中DataFrame对行和列的操作实例讲解
2018/06/09 Python
python使用多进程的实例详解
2018/09/19 Python
python计算阶乘和的方法(1!+2!+3!+...+n!)
2019/02/01 Python
使用Python给头像戴上圣诞帽的图像操作过程解析
2019/09/20 Python
Python解析json代码实例解析
2019/11/25 Python
Python变量、数据类型、数据类型转换相关函数用法实例详解
2020/01/09 Python
CSS3 filter(滤镜)实现网页灰色或者黑色模式的示例代码
2021/02/24 HTML / CSS
美国迪克体育用品商店:DICK’S Sporting Goods
2018/07/24 全球购物
大学军训感言1000字
2014/02/25 职场文书
文明城市创建标语
2014/06/16 职场文书
品牌转让协议书
2014/08/20 职场文书
2015年采购员工作总结
2015/04/27 职场文书
2019入党申请书格式
2019/06/25 职场文书
golang interface判断为空nil的实现代码
2021/04/24 Golang
解析CSS 提取图片主题色功能(小技巧)
2021/05/12 HTML / CSS