Keras之inception_v3使用(单张图片测试)

一、安装

必要：tensorflow，Keras

首次运行需要安装：

1）下载模型权重   inception_v3_weights_tf_dim_ordering_tf_kernels.h5  

路径见前一篇

2）安装h5py

pip install h5py

3）安装PIL

 遇到pip无法安装，以pillow替代，见Stack Overflow

 

二、参数说明

 

分类结果：

ImageNet的1000种object，对应模型分类结果的1000 classes：

text: imagenet 1000 class id to human readable labels

https://github.com/cjyanyi/keras_deep_learning_tutorial/blob/master/imagenet1000_clsid_to_human.txt

 

三、代码示例

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

import numpy as np from keras.preprocessing import image from keras.applications import inception_v3   　  img = image.load_img("xxx.jpg", target_size=(299, 299)) 　  input_image = image.img_to_array(img) 　  input_image /= 255. 　  input_image -= 0.5 　  input_image *= 2. 　  # Add a 4th dimension for batch size (Keras) 　  input_image = np.expand_dims(input_image, axis=0)       # Run the image through the NN     predictions = model.predict(input_image)       # Convert the predictions into text     predicted_classes = inception_v3.decode_predictions(predictions, top=1)     imagenet_id, name, confidence = predicted_classes[0][0]     print("This is a {} with {:-4}% confidence!".format(name, confidence * 100))

　　

input_image 是一个默认大小：1*299*299*3  的4维向量（列表）　

 

分类: machine learning