Kerasこちらのサイトを参考にKerasで画像分類を行っていますが、エラーが出ました。入力層の問題だと思うのですが何が間違っているでしょうか。エラーは、レイヤーを定義した後に発生しました。
追記
上記のサイトの通りにコードを書いたら96%の正解率が出ました。畳み込みやプーリングを使っていないように見えるのですが、どのような構成になっているのでしょうか。また畳み込みやプーリングの層を付け加えてこれ以上の正答率が出るでしょうか。最終的には転移学習で、AlexnetやVGGの中間層の特徴抽出を行いたいと思っています。
python
1#fc2 2from keras.models import Sequential 3from keras.layers import Activation, Dense, Dropout, Convolution2D, MaxPooling2D, Flatten 4from keras.utils.np_utils import to_categorical 5from keras.optimizers import Adagrad 6from keras.optimizers import Adam 7import numpy as np 8from PIL import Image 9import os 10 11image_list = [] 12label_list = [] # 訓練データとバリデーションデータを生成するジェネレータを作成 13 14for dir in os.listdir("data/train"): 15 if dir == ".DS_Store": 16 continue 17 18 dir1 = "data/train/" + dir 19 label = 0 20 21 if dir == "A": 22 label = 0 23 elif dir == "B": 24 label = 1 25 elif dir == "C": 26 label = 2 27 28 for file in os.listdir(dir1): 29 if file != ".DS_Store": 30 # 配列label_listに正解ラベルを追加(りんご:0 オレンジ:1) 31 label_list.append(label) 32 filepath = dir1 + "/" + file 33 # 画像を25x25pixelに変換し、1要素が[R,G,B]3要素を含む配列の25x25の2次元配列として読み込む。 34 # [R,G,B]はそれぞれが0-255の配列。 35 image = np.array(Image.open(filepath).resize((28, 28))) 36 print(filepath) 37 # 配列を変換し、[[Redの配列],[Greenの配列],[Blueの配列]] のような形にする。 38 image = image.transpose(2, 0, 1) 39 # さらにフラットな1次元配列に変換。最初の1/3はRed、次がGreenの、最後がBlueの要素がフラットに並ぶ。 40 image = image.reshape(1, image.shape[0] * image.shape[1] * image.shape[2]).astype("float32")[0] 41 # 出来上がった配列をimage_listに追加。 42 43 image_list.append(image / 255.) 44 45# kerasに渡すためにnumpy配列に変換。 46image_list = np.array(image_list) 47 48# ラベルの配列を1と0からなるラベル配列に変更 49# 0 -> [1,0], 1 -> [0,1] という感じ。 50Y = to_categorical(label_list) 51 52# モデルを生成してニューラルネットを構築 53model = Sequential() 54model.add(Convolution2D(32, 3, 3, input_shape=(1, 28, 28 ,3))) 55model.add(Activation('relu')) 56model.add(MaxPooling2D(pool_size=(2, 2))) 57 58model.add(Convolution2D(32, 3, 3)) 59model.add(Activation('relu')) 60model.add(MaxPooling2D(pool_size=(2, 2))) 61 62model.add(Convolution2D(64, 3, 3)) 63model.add(Activation('relu')) 64model.add(MaxPooling2D(pool_size=(2, 2))) 65 66model.add(Flatten()) 67model.add(Dense(64)) 68model.add(Activation('relu')) 69model.add(Dropout(0.5)) 70model.add(Dense(3)) 71model.add(Activation('softmax')) 72 73# オプティマイザにAdamを使用 74opt = Adam(lr=0.001) 75# モデルをコンパイル 76model.compile(loss="categorical_crossentropy", optimizer=opt, metrics=["accuracy"]) 77# 学習を実行。10%はテストに使用。 78model.fit(image_list, Y, nb_epoch=1500, batch_size=100, validation_split=0.1) 79 80 81__**エラー発生**__ 82 83# テスト用ディレクトリ(./data/train/)の画像でチェック。正解率を表示する。 84total = 0. 85ok_count = 0. 86 87for dir in os.listdir("data/train"): 88 if dir == ".DS_Store": 89 continue 90 91 dir1 = "data/test/" + dir 92 label = 0 93 94 if dir == "A": 95 label = 0 96 elif dir == "B": 97 label = 1 98 elif dir == "C": 99 label = 2 100 101 for file in os.listdir(dir1): 102 if file != ".DS_Store": 103 label_list.append(label) 104 filepath = dir1 + "/" + file 105 image = np.array(Image.open(filepath).resize((28, 28))) 106 print(filepath) 107 image = image.transpose(2, 0, 1) 108 image = image.reshape(1, image.shape[0] * image.shape[1] * image.shape[2]).astype("float32")[0] 109 result = model.predict_classes(np.array([image / 255.])) 110 print("label:", label, "result:", result[0]) 111 112 total += 1. 113 114 if label == result[0]: 115 ok_count += 1. 116 117print("seikai: ", ok_count / total * 100, "%")
回答1件
あなたの回答
tips
プレビュー
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。
2017/12/21 05:31
2017/12/21 05:47