minibatch kmeans+可视化(数据集中的图片在resnet网络基础上进行聚类)

最新推荐文章于 2023-08-01 17:13:06 发布

爱吃肉der小兔叽

最新推荐文章于 2023-08-01 17:13:06 发布

阅读量194

点赞数 2

文章标签：聚类 kmeans python

本文链接：https://blog.csdn.net/qq_43663979/article/details/129940840

版权

该代码示例展示了如何利用预训练的ResNet50模型提取图像特征，然后通过MiniBatchKMeans进行聚类。对指定文件夹中的图片进行处理，将图片根据特征分配到不同的类别中，并保存到对应的文件夹。最后，通过散点图可视化聚类结果。

摘要由CSDN通过智能技术生成

import os
import numpy as np
import torch
import torchvision.transforms as transforms
from PIL import Image
from torchvision.models import resnet50
from sklearn.cluster import MiniBatchKMeans
from networks.vae import *
from sklearn.decomposition import PCA
# 设置图片文件夹路径、输出文件夹路径和聚类数目
img_folder = "xxx"
output_folder = "xxx"
num_clusters = 3

# 加载ResNet50模型
model = resnet50(pretrained=True, num_classes=2)
path = r'xxx.pth'
model.load_state_dict(torch.load(path), strict=False)
# 定义图像变换
transform = transforms.Compose([
    transforms.Resize(256),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
   # transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

# 加载所有图片
file_names = os