python图像分类整理_python +keras实现图像分类（入门级例子讲解）

一.项目描述

数据集来源于kaggle猫狗大战数据集。训练集有25000张，猫狗各占一半。测试集12500张。希望计算机可以从这些训练集图片中学习到猫狗的特征，从而使得计算机可以正确的对未曾见过的猫狗图片进行分类。这就是图像分类问题，计算机视觉研究领域之一，计算机通过学习图像本身的特征将不同类别的图像区分开来。

二.评价指标

二分类评价指标

binary_crossentropy：交叉熵

ŷ i是样本标签，yi样本输出。只有yi和ŷ i是相等时，loss才为0，否则loss就是为一个正数。而且，概率相差越大，loss就越大。这个度量概率距离的方式称为交叉熵。

二分类模型的最后一层的激活函数 是：sigmoid

二分类模型最后输出的是0到1的数。

应该使用numpy的四舍五入求取类别,并转换为整数

pred_y=int(np.round(predict_y))

多分类评价指标

categorical_crossentropy：分类交叉熵函数

ŷ i是样本标签，yi样本输出

多分类模型的最后一层的激活函数 是：softmax

softmax先把输出指数化，再归一化，得到各类概率。

假设一个问题是3分类，一个训练样本进来得到的softmax是[0.5,0.2,0.3]

假设这个正确样本类别为第一个类别。

则该样本分类交叉熵为：

多分类模型输出的是各个类别的概率，如2个样本的预测输出为：ypred=[[0.5,0.2,0.3],[0.4,0.1,0.5]]

应该使用numpy求取最大值索引

pred=np.argmax(ypred,axis=1)

得到[0,2]

三.算例实现

数据集

电脑垃圾啦，无法将全部图片都用上，跑不动。

于是猫和狗都选取原始数据集的一半左右。

猫的图片如下：

狗的图片如下：

各种各样的猫和狗，不容易找到统一的图片预处理方式，如处理成二值图像(但猫狗颜色不一样，二值处理有的把背景提取出来啦，毕竟二值处理需要把前景色处理成白色，为了达到此要求，有的图片得做反二值化处理)

就对图片不做任何处理吧,防止图片失真。

1数据集读取函数

注意：cv2.imread(name) 图片路径不能含有中文。

#个人喜好用OpenCV

需要对图片统一大小： cv2.resize(img, (100, 100))

import os

import numpy as np

import cv2

def ReFileName(dirPath):

"""<