Я использую flow_from_directory в ImageDataGenerator из keras для обучения своей сверточной нейронной сети. Я загрузил изображения ILSVRC2012 по этой ссылке и пытаюсь обучить и проверить мою сеть. В обучающей папке есть изображения, отнесенные к соответствующим папкам, но проверочные изображения не распределены по папкам, что не позволяет мне использовать flow_from_directory для проверки точности проверки. Есть ли простой способ распределить данные проверки по соответствующим папкам?

2
Prabaha 25 Июл 2017 в 02:53

3 ответа

Я пробовал использовать приведенную ниже ссылку кода git.

         - https://raw.githubusercontent.com/soumith/imagenetloader.torch/master/valprep.sh

         - https://github.com/pytorch/examples/tree/master/imagenet

Этот сценарий оболочки помог мне преобразовать каталог проверки в подкаталоги, где изображения сгруппированы по соответствующим папкам. Попробуйте преобразовать каталог проверки в соответствующие каталоги с категориальными изображениями и передать этот родительский каталог подкаталогов в качестве входных данных для вашего кода.

Благодарность

2
Lakshmi Bhavani - Intel 15 Июн 2018 в 09:47

Вы можете использовать библиотеки mxnet и gluon для классификации данных проверки изображений в соответствующих папках.

См. https://gluon-cv.mxnet.io/build/examples_datasets/imagenet .html.

Затем вы можете использовать генератор данных проверки keras.

0
OmarVP 15 Июн 2018 в 05:07
Добавьте соответствующий контент из ссылки к вашему ответу, чтобы помочь прояснить ваше решение.
 – 
Grant Miller
15 Июн 2018 в 05:33

Делаю тонкую настройку в двух классах, сначала нужно создать что-то подобное в своем коде

path_directory = "../images/"

path_classes_name = ['class_0','class_2',...,'class_999'] полный список по порядку

image.ImageDataGenerator(rescale=0).flow_from_directory(path_directory, target_size=(244, 244), batch_size= 128, class_mode='categorical', shuffle=True,classes=path_classes_name)

После этого потребность в path_directory была организована точно по blog.keras говорят. Керас сотворит за вас волшебство!

Совет: не забудьте затем создать папки по порядку и с именем synset (что-то вроде n04111531)! Не буквальное название классов =]

-1
Community 20 Июн 2020 в 12:12
Мои обучающие изображения уже распределены по папкам (например, n02231487), и я использую train_generator = train_datagen.flow_from_directory('.imagenet/train', target_size=(224,224), batch_size=100, class_mode='categorical') для обучения. Но данные проверки не классифицируются по папкам. Они представлены как отдельные изображения (например, ILSVRC2012_val_00016633.JPEG). Мне нужно классифицировать их в соответствующих папках, чтобы создать генератор данных проверки.
 – 
Prabaha
25 Июл 2017 в 18:53
Данные были загружены из этого файла image-net.org/challenges / LSVRC / 2012 / nnoupb /…? Потому что классы нарезаются в файлах subtars, когда я загружал файл. Тогда вы можете безопасно распаковать и не смешивать файлы
 – 
Glauco Roberto
26 Июл 2017 в 19:32
Я знаю это. Но проверочные изображения не классифицируются. Мне нужно их разделить на категории.
 – 
Prabaha
26 Июл 2017 в 21:11