Keras —— 基于Vgg16模型(含全连接层)的图片识别
2018-02-20 19:59
531 查看
一、加载并显示图片
img_path = 'elephant.jpg' img = image.load_img(img_path, target_size=(224, 224)) plt.imshow(img) plt.show()
二、图片预处理
#将图片转成numpy array x = image.img_to_array(img) #扩展维度,因为preprocess_input需要4D的格式 x = np.expand_dims(x, axis=0) #对张量进行预处理 x = preprocess_input(x)
三、加载VGG16模型(包含全连接层)
model = VGG16(include_top=True, weights='imagenet') preds = model.predict(x) # 将结果解码成一个元组列表(类、描述、概率)(批次中每个样本的一个这样的列表) print('Predicted:', decode_predictions(preds, top=3)[0])
四、预测结果
Predicted: [('n01871265', 'tusker', 0.77154845), ('n02504458', 'African_elephant', 0.15930885), ('n02504013', 'Indian_elephant', 0.06914174)]
由预测结果可知,图片有百分之77的概率是tusker,百分之16的概率是African_elephant,百分之6的概率是Indian_elephant
源码地址:
https://github.com/Zheng-Wenkai/Keras_Demo
相关文章推荐
- Keras —— 基于InceptionV3模型(不含全连接层)的迁移学习应用
- CNTK入门05:一个全连接前馈模型用于分类手写识别图片
- 【基于WPF+OneNote+Oracle的中文图片识别系统阶段总结】之篇三:批量处理后的txt文件入库处理
- keras迁移学习 使用vgg16进行手写数字识别
- Python基于YCbCr 肤色模型的情色图片检测的简单实现
- 解读 Keras 在 ImageNet 中的应用:详解 5 种主要的图像识别模型
- 使用Imagenet VGG-19模型进行图片识别
- 基于android手机的3G+GPS远程控制模型车工程-电路改装2-电源改造与模块的连接
- 深度学习与TensorFlow实战(七)全连接网络基础—真实图片输出手写数字识别准确率
- 【技术外文翻译】解读Keras在ImageNet中的应用:详解5种主要的图像识别模型
- 基于tensorflow的MNIST手写字识别(一)--白话卷积神经网络模型
- 基于untiy使用vuforia实现图片识别
- 【基于WPF+OneNote+Oracle的中文图片识别系统阶段总结】之篇三:批量处理后的txt文件入库处理
- [Tensorflow]基于slim框架下inception模型的植物识别
- Keras中利用训练好的vgg16预测图片类型
- 使用Imagenet VGG-19模型进行图片识别
- 基于文字识别---实现点击图片任意位置文字即可翻译的功能
- EvaThumber : 基于URL的图片处理库 (可实现缩略图 | 二维码 | 水印 | 面部识别等)
- 基于管道通知的百万并发长连接server模型
- caffe+python 使用训练好的VGG16模型 对 单张图片进行分类,输出置信度