質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

89.13%

Tensorflow,Kerasを用いた画像判定におけるresizeのエラー

解決済

回答 1

投稿

  • 評価
  • クリップ 1
  • VIEW 989
退会済みユーザー

退会済みユーザー

前提・実現したいこと

Pythonで3種類の動物の画像を用意し、別の画像がそのいずれかを推定するプログラムを実行したいです。
画像はFlickrからとってきています。

発生している問題・エラーメッセージ

ValueError: Error when checking input: expected conv2d_1_input to have shape (75, 75, 3) but got array with shape (50, 50, 3)

該当のソースコード

from keras.models import Sequential, load_model
from keras.layers import Conv2D, MaxPooling2D
from keras.layers import Activation, Dropout, Flatten, Dense
# from keras.utils import np_utils
import keras,sys
import numpy as np
from PIL import Image

classes = ["monkey","boar","crow"]
num_classes = len(classes)
image_size = 50

def build_model():
    model = Sequential()
    model.add(Conv2D(32,(3,3), padding='same',input_shape=(50,50,3)))
    model.add(Activation('relu'))
    model.add(Conv2D(32,(3,3)))
    model.add(Activation('relu'))
    model.add(MaxPooling2D(pool_size=(2,2)))
    model.add(Dropout(0.25))

    model.add(Conv2D(64,(3,3), padding='same'))
    model.add(Activation('relu'))
    model.add(Conv2D(64,(3,3)))
    model.add(Activation('relu'))
    model.add(MaxPooling2D(pool_size=(2,2)))
    model.add(Dropout(0.25))

    model.add(Flatten())
    model.add(Dense(512))
    model.add(Activation('relu'))
    model.add(Dropout(0.5))
    model.add(Dense(3))
    model.add(Activation('softmax'))

    opt = keras.optimizers.rmsprop(lr=0.0001, decay=1e-6)

    model.compile(loss='categorical_crossentropy',optimizer=opt,metrics=['accuracy'])

    # モデルのロード
    model = load_model('./animal_cnn_aug.h5')

    return model

def main():
    image = Image.open(sys.argv[1])
    image = image.convert('RGB')
    image = image.resize((image_size,image_size))
    data = np.asarray(image)/255
    X = []
    X.append(data)
    X = np.array(X)
    model = build_model()

    result = model.predict([X])[0]
    predicted = result.argmax()
    percentage = int(result[predicted] * 100)
    print("{0} ({1} %)".format(classes[predicted], percentage))

if __name__ == "__main__":
    main()


なお、モデルのロードに記載してあるモデルの保存は以下から行なっています

from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D
from keras.layers import Activation, Dropout, Flatten, Dense
from keras.utils import np_utils
import keras
import numpy as np

classes = ["monkey","boar","crow"]
num_classes = len(classes)
image_size = 50

#メインの関数を定義する
def main():
    X_train, X_test, y_train, y_test = np.load("./animal_aug.npy")
    X_train = X_train.astype("float") / 256
    X_test = X_test.astype("float") / 256
    y_train = np_utils.to_categorical(y_train, num_classes)
    y_test = np_utils.to_categorical(y_test, num_classes)

    model = model_train(X_train, y_train)
    model_eval(model, X_test, y_test)

def model_train(X, y):
    model = Sequential()
    model.add(Conv2D(32,(3,3), padding='same',input_shape=X.shape[1:]))
    model.add(Activation('relu'))
    model.add(Conv2D(32,(3,3)))
    model.add(Activation('relu'))
    model.add(MaxPooling2D(pool_size=(2,2)))
    model.add(Dropout(0.25))

    model.add(Conv2D(64,(3,3), padding='same'))
    model.add(Activation('relu'))
    model.add(Conv2D(64,(3,3)))
    model.add(Activation('relu'))
    model.add(MaxPooling2D(pool_size=(2,2)))
    model.add(Dropout(0.25))

    model.add(Flatten())
    model.add(Dense(512))
    model.add(Activation('relu'))
    model.add(Dropout(0.5))
    model.add(Dense(3))
    model.add(Activation('softmax'))

    opt = keras.optimizers.rmsprop(lr=0.0001,decay=1e-6)
    model.compile(loss='categorical_crossentropy',optimizer=opt,metrics=['accuracy'])
    model.fit(X, y, batch_size=32, epochs=100)

#モデルの保存
    model.save('./animal_cnn_aug.h5')

    return model

def model_eval(model, X, y):
    scores = model.evaluate(X, y, verbose=1)
    print('Test Loss:', scores[0])
    print('Test Accuracy:', scores[1])

if __name__ == "__main__":
    main()

試したこと

  • 75というサイズで入力した箇所がないか確認(ありませんでした)
  • image_sizeを変更して実行
  • パッケージのアップグレード

補足情報(FW/ツールのバージョンなど)

macOS/anaconda/Jupyter Notebook/Atom
PillowやTensorflowは最新のものにアップグレードしています。

はじめてプログラミングをはじめたところなのでオンライン教材の一貫です。コピーしている箇所が多く、単語も都度本を見ながらという感じなので初歩的なミスかもしれませんが、ご覧いただければ幸いです。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+2

エラーの内容は、75×75の画像を期待していたのに、50×50の画像が入力されちゃったよ、ということですね。
モデルを保存する際に、50×50の画像をinputとするようなモデルを作れておらず、75×75の画像をinputするように作ったようです。
解決策としては、モデルを作り直すか、判定するプログラム(上側のソースコード)のimage_sizeの値を75にしてみる、のいずれかかと思います。

補足ですが、モデルを作り直す場合、X_trainのshapeにinput画像の大きさは依存しているようなので(75×75のモデルができた原因も多分これ)、def_main()の2行目の256で割る前の段階でX_train(だけだと、途中でエラー吐くと思うので、X_testも)の画像を全てリサイズすれば良いかと思います。

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • この投稿は削除されました

  • 2019/03/09 12:08 編集

    ご返信が遅くなって申し訳ありません!
    丁寧に教えていただいたのに申し訳ないです

    解決法についても詳しく教えていただいてありがとうございました。

    どちらも試してみました。結果前者は「AttributeError: 'NoneType' object has no attribute 'shape'」と出てしまい、numpy配列について問題がありそうなのでそれはまた単語なども含めて別途本などをあたっています。後者は結果が望んだ通りではなかったのですが、実行できました!ありがとうございます。イノシシの画像を入れたけど猿と予想が出てきたのですが、原因は学習した画像の選定などにありそうです。
    ひとまずこちらで以降のレッスンを進めてみます。

    キャンセル

  • 2019/03/09 13:02

    良かったです。お役に立てて何よりです。報告ありがとうございます。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 89.13%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

同じタグがついた質問を見る