opencv python 画像の判別について

Question

作業環境
Mac OS Sierra 10.12.6
Jupiter notebook
python 3.6.2

あらかじめ学習してあるデータセットに自分でダウンロードしてきた
車の画像を読み込み、"automobile"の結果を得たいです。

事前にmlpとcnnで学習済みです

from keras.datasets import cifar10
(x_train, y_train), (x_test, y_test) = cifar10.load_data()

import matplotlib.pyplot as plt
from PIL import Image

plt.figure(figsize=(10, 10))
labels = ["airplene", "automobile", "bord", "cat", "deer", "dog", "frog", "hprse", "ship", "truck"]
for i in range(0, 40):
    im = Image.fromarray(x_train[i])
    plt.subplot(5, 8, i + 1)
    plt.title(labels[y_train[i][0]])
    plt.tick_params(labelbottom="off",bottom="off")
    plt.tick_params(labelleft="off",left="off")
    plt.imshow(im)

plt.show()

import matplotlib.pyplot as plt
import keras
from keras.datasets import cifar10
from keras.models import Sequential
from keras.layers import Dense, Dropout

num_classes = 10
im_rows = 32
im_cols = 32
im_size = im_rows * im_cols * 3

# データを読み込む --- (*1)
(X_train, y_train), (X_test, y_test) = cifar10.load_data()

# データを一次元配列に変換 --- (*2)
X_train = X_train.reshape(-1, im_size).astype('float32') / 255
X_test = X_test.reshape(-1, im_size).astype('float32') / 255
# ラベルデータをOne-Hot形式に変換
y_train = keras.utils.to_categorical(y_train, num_classes)
y_test = keras.utils.to_categorical(y_test, num_classes)

# モデルを定義 --- (*3)
model = Sequential()
model.add(Dense(512, activation='relu', input_shape=(im_size,)))
model.add(Dense(num_classes, activation='softmax'))

# モデルをコンパイル --- (*4)
model.compile(
    loss='categorical_crossentropy',
    optimizer='adam',
    metrics=['accuracy'])

# 学習を実行 --- (*5)
hist = model.fit(X_train, y_train,
    batch_size=32, epochs=50,
    verbose=1,
    validation_data=(X_test, y_test))

# モデルを評価 --- (*6)
score = model.evaluate(X_test, y_test, verbose=1)
print('正解率=', score[1], 'loss=', score[0])

# 学習の様子をグラフへ描画 --- (*7)
plt.plot(hist.history['acc'])
plt.plot(hist.history['val_acc'])
plt.title('Accuracy')
plt.legend(['train', 'test'], loc='upper left')
plt.show()
plt.plot(hist.history['loss'])
plt.plot(hist.history['val_loss'])
plt.title('Loss')
plt.legend(['train', 'test'], loc='upper left')
plt.show()

import matplotlib.pyplot as plt
import keras
from keras.datasets import cifar10
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation, Flatten
from keras.layers import Conv2D, MaxPooling2D

num_classes = 10
im_rows = 32
im_cols = 32
in_shape = (im_rows, im_cols, 3)

# データを読み込む --- (*1)
(X_train, y_train), (X_test, y_test) = cifar10.load_data()

# データを正規化 --- (*2)
X_train = X_train.astype('float32') / 255
X_test = X_test.astype('float32') / 255
# ラベルデータをOne-Hot形式に変換
y_train = keras.utils.to_categorical(y_train, num_classes)
y_test = keras.utils.to_categorical(y_test, num_classes)

# モデルを定義 --- (*3)
model = Sequential()
model.add(Conv2D(32, (3, 3), padding='same',
                 input_shape=in_shape))
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(num_classes))
model.add(Activation('softmax'))

# モデルをコンパイル --- (*4)
model.compile(
    loss='categorical_crossentropy',
    optimizer='adam',
    metrics=['accuracy'])

# 学習を実行 --- (*5)
hist = model.fit(X_train, y_train,
    batch_size=32, epochs=50,
    verbose=1,
    validation_data=(X_test, y_test))

# モデルを評価 --- (*6)
score = model.evaluate(X_test, y_test, verbose=1)
print('正解率=', score[1], 'loss=', score[0])

# 学習の様子をグラフへ描画 --- (*7)
plt.plot(hist.history['acc'])
plt.plot(hist.history['val_acc'])
plt.title('Accuracy')
plt.legend(['train', 'test'], loc='upper left')
plt.show()
plt.plot(hist.history['loss'])
plt.plot(hist.history['val_loss'])
plt.title('Loss')
plt.legend(['train', 'test'], loc='upper left')
plt.show()

model.save_weights("cifar10-weight.h5")
model.load_weights("cifar10-weight.h5")
model.save_weights("cifar10-mlp-weight.h5")




import cv2
import numpy as np

labels = ["airplene", "automobile", "bord", "cat", "deer", "dog", "frog", "hprse", "ship", "truck"]
im_size = 32*32*3#幅*高さ*チャンネル数

#モデルデータ読み込み
model.load_weights("cifar10-mlp-weight.h5")

#opencvを使って画像を読み込む
im = cv2.imread("car.jpg")#numpy配列

#色空間を変換して、リサイズ
im = cv2.cvtColor(im, cv2.COLOR_BGR2RGB)#青緑赤を赤緑青に変換
im = cv2.resize(im, (32, 32))#32*32ピクセルにリサイズ
plt.imshow(im)#画像を出力
plt.show()

#MLPで学習した画像データに合わせる
im = im.reshape(im_size).astype("float32") / 255#float32:32bit,255:255bit
#予測
r = model.predict(np.array([im]), batch_size=32,verbose=1)
res = r[0]
#結果表示
for i, acc in enumerate(res):
    print(labels[i], "=", int(acc*100))
print("---")
print("予測結果＝", labels[res.argmax()])

car.jpgのインライン表示はできたのでパスは合っているのですが様々なエラーが出てしまい
解決できず困っています。

エラー内容はこちらです

ValueError                                Traceback (most recent call last)
<ipython-input-12-2c80cdd11a3c> in <module>()
     20 im = im.reshape(im_size).astype("float32") / 255#float32:32bit,255:255bit
     21 #予測
---> 22 r = model.predict(np.array([im]), batch_size=32,verbose=1)
     23 res = r[0]
     24 #結果表示

~/.pyenv/versions/anaconda3-5.0.0/lib/python3.6/site-packages/keras/models.py in predict(self, x, batch_size, verbose, steps)
   1023             self.build()
   1024         return self.model.predict(x, batch_size=batch_size, verbose=verbose,
-> 1025                                   steps=steps)
   1026 
   1027     def predict_on_batch(self, x):

~/.pyenv/versions/anaconda3-5.0.0/lib/python3.6/site-packages/keras/engine/training.py in predict(self, x, batch_size, verbose, steps)
   1822         x = _standardize_input_data(x, self._feed_input_names,
   1823                                     self._feed_input_shapes,
-> 1824                                     check_batch_axis=False)
   1825         if self.stateful:
   1826             if x[0].shape[0] > batch_size and x[0].shape[0] % batch_size != 0:

~/.pyenv/versions/anaconda3-5.0.0/lib/python3.6/site-packages/keras/engine/training.py in _standardize_input_data(data, names, shapes, check_batch_axis, exception_prefix)
    111                         ': expected ' + names[i] + ' to have ' +
    112                         str(len(shape)) + ' dimensions, but got array '
--> 113                         'with shape ' + str(data_shape))
    114                 if not check_batch_axis:
    115                     data_shape = data_shape[1:]

ValueError: Error when checking : expected conv2d_1_input to have 4 dimensions, but got array with shape (1, 3072)

Comments

[_Victorique__]

model.load_weights("cifar10-mlp-weight.h5")

このmodelはどこから来たのでしょうか？定義されていませんが

[22Go]

"cifar10-mlp-weight.h5"はjupyternotebook上で学習済みで一旦保存してあり
それをloadしています。

[_Victorique__]

このコード以外にライブラリのimport等をしているということでしょうか？
全部載せてもらえますか？

Answer 1

OpenCVじゃなく、機械学習とかだなぁ。
1次元配列にしていますが、学習するときは、どのようにしましたか。学習するときに画像を流したのと同じ形で渡してください。
4次元だと言っているので、バッチ, 縦, 横, 色の4次元で渡したと思いますよ。それをreshapeで1次元にしているので、エラーになっています。