使用Keras预训练好的模型进行目标类别预测

最新推荐文章于 2024-07-06 22:37:37 发布

kongfd76

最新推荐文章于 2024-07-06 22:37:37 发布

阅读量4.5k

点赞数 3

分类专栏： deep-learning 文章标签： keras deep-learning

本文链接：https://blog.csdn.net/kongfd76/article/details/85285646

版权

这篇博客介绍了如何利用Keras的预训练模型进行图像识别。通过导入权重、处理图片并进行预测，展示了使用ImageNet数据集的快速预测过程。测试结果显示准确率尚可。

摘要由CSDN通过智能技术生成

使用Keras预训练好的模型进行预测

前言

前言

最近开始学习深度学习相关的内容，各种书籍、教程下来到目前也有了一些基本的理解。参考Keras的官方文档自己做一个使用application的小例子，能够对图片进行识别，并给出可能性最大的分类。
闲言少叙，开始写代码

环境搭建相关就此省去，网上非常多。我觉得没啥难度

from keras.applications.resnet50 import ResNet50
from keras.preprocessing import image
from keras.applications.resnet50 import preprocess_input, decode_predictions
import numpy as np

导入权重，首次会从网络进行下载，不过速度还是挺快的，使用ImageNet的数据集

model = ResNet50(weights='imagenet')

定义一个函数读取图片文件并处理。这里需要安装PLI的库。 pip install Pillow ,不然会报错

def load_image(img_path):
    img = image.load_img(img_path, target_size=(224, 224))
    x = image.img_to_array(img)
    x = np.expand_dims(x, axis=0)
    x = preprocess_input(x)
    return x