使用pre_trained模型进行VGG预测

最新推荐文章于 2022-10-17 19:23:39 发布

代码写得稀碎

最新推荐文章于 2022-10-17 19:23:39 发布

阅读量646

点赞数

文章标签： python tensorflow

本文链接：https://blog.csdn.net/weixin_43217958/article/details/117360776

版权

VGG16 图像分类 TensorFlow 预处理预测

关键词由CSDN通过智能技术生成

第一步：导入VGG模型以及实例化

from tensorflow.python.keras.applications.vgg16 import VGG16

model=VGG16()

第二步：读入图片，并把图片转换成数组格式

from tensorflow.python.keras.applications.image import load_img
from tensorflow.python.keras.applications.image import img_to_array

img=load_img("filepath",target_size=(224,224))
img=img_to_array(img)

第三步：图片的预处理

from tensorflow.python.keras.applications.vgg16 import preprocess_input 

img=img.reshape(1,img.shape[0],img.shape[1],img.shape[2])
img=preprocessing_input(img)

第四步：开始预测

y_predict=model.predict(img)
print(y_predict)
print(np.argmax(y_predict,axis=1))
label=decode_predictions(y_predict)
print("预测类别是:%s，并且预测概率为:%f"%(label[0][0][1],label[0][0][2]))

完整代码

import numpy as np
from tensorflow.python.keras.applications.vgg16 import VGG16,decode_predictions,preprocess_input
from tensorflow.python.keras.preprocessing.image import load_img
from tensorflow.python.keras.preprocessing.image import img_to_array
import numpy
def predict():
    model=VGG16()
    #print(model.summary())
    #预测一张图
    #加载图片并输入到模型当中
    img=load_img(r"C:\Users\xy\Desktop/laohu.jpg",target_size=(224,224))#vgg的输入要求是224 224的
    img=img_to_array(img)

    #输入到卷积中，需要四维结构,四维结构 用1去填充
    img=img.reshape(1,img.shape[0],img.shape[1],img.shape[2])

    #预测之前做图像的数据处理,归一化处理
    img=preprocess_input(img)
    y_predictions=model.predict(img)
    print(y_predictions)
    print(np.argmax(y_predictions,axis=1))
    #vgg16当中能直接进行解码
    label=decode_predictions(y_predictions)
    print(label)
if __name__ == '__main__':
    predict()