keras-finetuning 使用你自己的数据集训练基于InceptionV3的图像分类器.zip

keras-finetuning, 使用你自己的数据集训练基于InceptionV3的图像分类器 使用你自己的数据集训练InceptionV3-based图像分类器基于在的新集合中的微调( InceptionV3 )，在 https://keras.io/applications/中的例子依赖项最新的( 来自源的> =1.0

# This should be completely refactored shares a lot of code with train.py

import sys
from collections import defaultdict
import numpy as np

# It‘s very important to put this import before keras
# as explained here: Loading tensorflow before scipy.misc seems to cause imread to fail #1541
# https://github.com/tensorflow/tensorflow/issues/1541
import scipy.misc

from keras.utils import np_utils

import dataset
import net

np.random.seed（1337）

n = 224
batch_size = 128

data_directory = sys.argv[1:]

X y tags = dataset.dataset（data_directory n）
nb_classes = len（tags）

sample_count = len（y）
train_size = sample_count * 4 // 5
X_train = X[:train_size]
y_train = y[:train_size]
Y_train = np_utils.to_categorical（y_train nb_classes）
X_test  = X[train_size:]
y_test  = y[train_size:]
Y_test = np_utils.to_categorical（y_test nb_classes）


def evaluate（model vis_filename=None）:
    Y_pred = model.predict（X_test batch_size=batch_size）
    y_pred = np.argmax（Y_pred axis=1）

    accuracy = float（np.sum（y_test==y_pred）） / len（y_test）
    print “accuracy:“ accuracy

    confusion = np.zeros（（nb_classes nb_classes） dtype=np.int32）
    for （predicted_index actual_index image） in zip（y_pred y_test X_test）:
        confusion[predicted_index actual_index] += 1
    print “rows are predicted classes columns are actual classes“
    for predicted_index predicted_tag in enumerate（tags）:
        print predicted_tag[:7]
        for actual_index actual_tag in enumerate（tags）:
            print “\t%d“ % confusion[predicted_index actual_index]
        print
    if vis_filename is not None:
        bucket_size = 10
        image_size = n // 4 # right now that‘s 56
        vis_image_size = nb_classes * image_size * bucket_size
        vis_image = 255 * np.ones（（vis_image_size vis_image_size 3） dtype=‘uint8‘）
        example_counts = defaultdict（int）
        for （predicted_tag actual_tag normalized_image） in zip（y_pred y_test X_test）:
            example_count = example_counts[（predicted_tag actual_tag）]
            if example_count >= bucket_size**2:
                continue
            image = dataset.reverse_preprocess_input（normalized_image）
            image = image.transpose（（1 2 0））
            image = scipy.misc.imresize（image （image_size image_size））.astype（np.uint8）
            tilepos_x = bucket_size * predicted_tag
            tilepos_y = bucket_size * actual_tag
            tilepos_x += example_count % bucket_size
            tilepos_y += example_count // bucket_size
            pos_x pos_y = tilepos_x * image_size tilepos_y * image_size
            vis_image[pos_y:pos_y+image_size pos_x:pos_x+image_size :] = image
            example_counts[（predicted_tag actual_tag）] += 1
        vis_image[::image_size * bucket_size :] = 0
        vis_image[: ::image_size * bucket_size] = 0
        scipy.misc.imsave（vis_filename vis_image）


model tags_from_model = net.load（“model“）
assert tags == tags_from_model
net.compile（model）

evalua

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2016-09-13 21:12  keras-finetuning-master\
     文件        3855  2016-09-13 21:12  keras-finetuning-master\README.md
     文件        3028  2016-09-13 21:12  keras-finetuning-master\classify.py
     文件         793  2016-09-13 21:12  keras-finetuning-master\collect-apple-photos.sh
     文件        1886  2016-09-13 21:12  keras-finetuning-master\collect_apple_photos.py
     文件        2202  2016-09-13 21:12  keras-finetuning-master\dataset.py
     文件      930127  2016-09-13 21:12  keras-finetuning-master\haarcascade_frontalface_default.xml
     文件        1852  2016-09-13 21:12  keras-finetuning-master\net.py
     文件         911  2016-09-13 21:12  keras-finetuning-master\osx-install.sh
     文件        6073  2016-09-13 21:12  keras-finetuning-master\train.py
     文件        2301  2016-09-13 21:12  keras-finetuning-master\webcam.py