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

90.45%

  • Keras

    515questions

Kerasを使った簡単な画像分類ができるようになりたい

受付中

回答 0

投稿

  • 評価
  • クリップ 0
  • VIEW 109

HirokiJapan

score 2

前提・実現したいこと

Kerasを使って簡単な画像分類ができるようになりたい。
ここに質問の内容を詳しく書いてください。
現在、Google ColaboratoryでKerasを用いて簡単な画像分類をしようと考えています。そこで、調べて見つけたコード(りんごとオレンジを分類する)のディレクトリの部分だけ変えて、自分で用意したファイルで実行してみました。
実行したコードは以下の通りです。

from keras.models import Sequential
from keras.layers import Activation, Dense, Dropout
from keras.utils.np_utils import to_categorical
from keras.optimizers import Adagrad
from keras.optimizers import Adam
import numpy as np
from PIL import Image
import os

学習用のデータを作る.

image_list = []
label_list = []

./data/train 以下のorange,appleディレクトリ以下の画像を読み込む。

for dir in os.listdir("data/train"):
if dir == ".DS_Store":
continue

dir1 = "data/train/" + dir 
label = 0

if dir == "apple":    # appleはラベル0
label = 0
elif dir == "orange": # orangeはラベル1
label = 1

for file in os.listdir(dir1):
if file != ".DS_Store":

配列label_listに正解ラベルを追加(りんご:0 オレンジ:1)

label_list.append(label)
filepath = dir1 + "/" + file

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。

[R,G,B]はそれぞれが0-255の配列。

image = np.array(Image.open(filepath).resize((25, 25)))
print(filepath)

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。

image = image.transpose(2, 0, 1)

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。

image = image.reshape(1, image.shape[0] * image.shape[1] * image.shape[2]).astype("float32")[0]

出来上がった配列をimage_listに追加。

image_list.append(image / 255.)

kerasに渡すためにnumpy配列に変換。

image_list = np.array(image_list)

ラベルの配列を1と0からなるラベル配列に変更

0 -> [1,0], 1 -> [0,1] という感じ。

Y = to_categorical(label_list)

モデルを生成してニューラルネットを構築

model = Sequential()
model.add(Dense(200, input_dim=1875))
model.add(Activation("relu"))
model.add(Dropout(0.2))

model.add(Dense(200))
model.add(Activation("relu"))
model.add(Dropout(0.2))

model.add(Dense(2))
model.add(Activation("softmax"))

オプティマイザにAdamを使用

opt = Adam(lr=0.001)

モデルをコンパイル

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

学習を実行。10%はテストに使用。

model.fit(image_list, Y, nb_epoch=1500, batch_size=100, validation_split=0.1)

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。

total = 0.
ok_count = 0.

for dir in os.listdir("data/train"):
if dir == ".DS_Store":
continue

dir1 = "data/test/" + dir 
label = 0

if dir == "apple":
label = 0
elif dir == "orange":
label = 1

for file in os.listdir(dir1):
if file != ".DS_Store":
label_list.append(label)
filepath = dir1 + "/" + file
image = np.array(Image.open(filepath).resize((25, 25)))
print(filepath)
image = image.transpose(2, 0, 1)
image = image.reshape(1, image.shape[0] * image.shape[1] * image.shape[2]).astype("float32")[0]
result = model.predict_classes(np.array([image / 255.]))
print("label:", label, "result:", result[0])

total += 1.

if label == result[0]:
ok_count += 1.

print("seikai: ", ok_count / total * 100, "%")

これを実行したところ

ValueError                                Traceback (most recent call last)
<ipython-input-44-fc511eede129> in <module>()
67 model.compile(loss="categorical_crossentropy", optimizer=opt, metrics=["accuracy"])
68 # 学習を実行。10%はテストに使用。
---> 69 model.fit(image_list, Y, nb_epoch=1500, batch_size=100, validation_split=0.1)
70 
71 # 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。

/usr/local/lib/python3.6/dist-packages/keras/engine/training.py in fit(self, x, y, batch_size, epochs, verbose, callbacks, validation_split, validation_data, shuffle, class_weight, sample_weight, initial_epoch, steps_per_epoch, validation_steps, **kwargs)
950             sample_weight=sample_weight,
951             class_weight=class_weight,
--> 952             batch_size=batch_size)
953         # Prepare validation data.
954         do_validation = False

/usr/local/lib/python3.6/dist-packages/keras/engine/training.py in _standardize_user_data(self, x, y, sample_weight, class_weight, check_array_lengths, batch_size)
749             feed_input_shapes,
750             check_batch_axis=False,  # Don't enforce the batch size.
--> 751             exception_prefix='input')
752 
753         if y is not None:

/usr/local/lib/python3.6/dist-packages/keras/engine/training_utils.py in standardize_input_data(data, names, shapes, check_batch_axis, exception_prefix)
136                             ': expected ' + names[i] + ' to have shape ' +
137                             str(shape) + ' but got array with shape ' +
--> 138                             str(data_shape))
139     return data
140 

ValueError: Error when checking input: expected dense_28_input to have shape (1875,) but got array with shape (1,)
SEARCH STACK OVERFLOW

というエラーメッセージが出ました。
一体どの部分がおかしいのか見当がつきません。
用いる画像の数を変えたりしたのですが、変化はなかったです。
回答よろしくお願いします

  • 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
    • 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。

まだ回答がついていません

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 90.45%
  • 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

  • Keras

    515questions