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

87.94%

CNN Kerasを使っての画像認識 複数入力

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 313
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

現在、画像のみを用いて位置推定をしようとしており、
入力で2枚の画像(自分の前後)を使うことで、推定しやすくなるのではないかと思い、
行っているのですが、以下のようなエラーがでてしまいどのようにすればよいかわかりません。
教えていただきたいです。

他にもおかしなところがありましたら、教えていただけると幸いです。

*classesのクラスは適当に変えています。

発生している問題・エラーメッセージ

ValueError: Layer reshape_1 was called with an input that isn't a symbolic tensor. Received type: <class 'builtin_function_or_method'>. Full input: [<built-in function input>]. All inputs to the layer should be tensors.

該当のソースコード

from keras import backend as K
from keras.datasets import mnist
from keras.layers import Activation, Add, BatchNormalization, Dense, Dropout, Input, Concatenate, Flatten, Reshape
from keras.models import Model
from keras.utils.np_utils import to_categorical
import matplotlib.pyplot as plt
import numpy as np
import glob
from PIL import Image
from keras.utils import np_utils
from sklearn.model_selection import train_test_split
from keras.preprocessing.image import load_img, img_to_array

classes = [
           "犬","猫","兎"
           ]

X = []
Y = []
for index, classlabel in enumerate(classes):
    dir = "./" + classlabel 
    files = glob.glob(dir + "/*.jpg")
    for i, file in enumerate(files):
        image = Image.open(file)
        image = image.convert("RGB")
        image = image.resize((64, 64))
        data = np.asarray(image)
        X.append(data)
        Y.append(index)

X = np.array(X)
Y = np.array(Y)
X = X.astype('float32')/255.0

Y = np_utils.to_categorical(Y, len(classes))
x_train, x_test, y_train, y_test = train_test_split(X, Y, test_size=0.10)


    # 各画像からランダムに2枚切り抜く。
x_train1_img = load_img('1.jpg', target_size=(64,64))
x_train1  = img_to_array(x_train1_img)
x_train2_img = load_img('2.jpg', target_size=(64,64))
x_train2  = img_to_array(x_train2_img)


# (N, 2, 28, 28) -> (N, 2, 400) にする
x_train1 = x_train.reshape(len(x_train1), 2, -1)
x_train2 = x_train.reshape(len(x_train2), 2, -1)
x_test = x_test.reshape(len(x_test), 2, -1)


# one-hot 表現に変換する。
y_train = to_categorical(y_train)
y_test = to_categorical(y_test)

# モデルを作成する。
input1 = Input(shape=(1,))
hidden1 = Reshape((64, 64, 1), input_shape = (64, 64))(input)
input2 = Input(shape=(1,))
hidden2 = Reshape((64, 64, 1), input_shape = (64, 64))(input)

# 入力1から結合前まで
x = Dense(1, activation="relu")(hidden1)
x = Model(inputs=hidden1, outputs=x)

# 入力2から結合前まで
y = Dense(1, activation="relu")(hidden2)
y = Model(inputs=hidden2, outputs=y)

# 結合
combined = Concatenate([x.output, y.output],axis=-1)

# 密結合
z = Dense(32, activation="relu")(combined)
z = Dense(3, activation="softmax")(z)

# モデル定義とコンパイル
model = Model(inputs=[input1, input2], outputs=z)
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['acc'])
model.summary()

# 学習する。
history = model.fit([x_train1, x_train2], y_train, epochs=40)

試したこと

上のエラーに対して調べましたが、うまくいきませんでした。

  • 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。

質問への追記・修正、ベストアンサー選択の依頼

  • toast-uz

    2020/11/22 20:45

    input1とinput2を結合させる、というのは、何かサンプルを元に実装されているのでしょうか?

    キャンセル

  • 退会済みユーザー

    退会済みユーザー

    2020/11/23 10:14

    https://qiita.com/FukuharaYohei/items/58cfbce0ed81833a2da1
    こちらのサイトなどを参考に書いています。

    キャンセル

  • toast-uz

    2020/11/23 10:24

    ありがとうございます。確認してみます。

    キャンセル

回答 1

checkベストアンサー

0

きちんと学習精度が出るのかは分かりませんが、エラー無く動くコードを示します。
質問者様のコードで疑問な部分は主に以下です。その点を修正しました。

  • 前処理でなぜか2枚だけの画像に限定している。
  • モデル作成部分で、質問者様が参照したサイトは入力次元が全く異なっている。それを質問者様の状況に当てはめきれていない。ちなみに質問者様は画像を前提としているため、CNN層を入れておきました。

いろいろコードを調べる際に、Kerasでの「マージモデル」の例を参照しました。それによると、画像とテキストなど、全く異なる学習結果をマージしているパターンが基本であるように思います。質問者様のような、等価な画像と画像をマージするのは、最初に1枚に画像を合成して通常のモデルで学習するのと、本質的には変わらないのでは、と考えます。

from keras import backend as K
from keras.datasets import mnist
from keras.layers import Activation, Input, Dense, Dropout, Concatenate, Flatten, Conv2D, MaxPool2D
from keras.models import Model, Sequential
from keras.utils.np_utils import to_categorical
import matplotlib.pyplot as plt
import numpy as np
import glob
from PIL import Image
from keras.utils import np_utils
from sklearn.model_selection import train_test_split
from keras.preprocessing.image import load_img, img_to_array

classes = [
           "犬","猫","兎"
           ]

X = []
Y = []
for index, classlabel in enumerate(classes):
    dir = "./images/" + classlabel 
    files = glob.glob(dir + "/*.jpeg")
    for i, file in enumerate(files):
        image = Image.open(file)
        image = image.convert("RGB")
        image = image.resize((64, 64))
        data = np.asarray(image)
        X.append(data)
        Y.append(index)

X = np.array(X)
Y = np.array(Y)
X = X.astype('float32')/255.0

# ★★ ここからの前処理を修正

# カテゴリー数
num_classes = Y.max() - Y.min() + 1

# 画像Xを、x1, x2 に分割して、正解ラベルyを新たに定義する
split_size = len(X) // 2
x1, x2, y1, y2 = train_test_split(X, Y, test_size=split_size, train_size=split_size)

# yをy1とy2から作る、ここでは平均値としておく 犬と兎の平均は猫?
y = (y1 + y2) // 2

x_train1, x_test1, x_train2, x_test2, y_train, y_test = train_test_split(x1, x2, y, test_size=0.30)
# ★★ ここまで修正

# one-hot 表現に変換する。
y_train = to_categorical(y_train, num_classes)
y_test = to_categorical(y_test, num_classes)

# ★★ ここからのモデルを画像用に修正
# モデルを作成する。
model1 = Sequential([
    Conv2D(64,3,input_shape=(64,64,3)),
    Activation('relu'),
    Conv2D(64,3),
    Activation('relu'),
    MaxPool2D(pool_size=(2,2)),
    Flatten(),
    Dense(1024),
    Activation('relu')
])

model2 = Sequential([
    Conv2D(64,3,input_shape=(64,64,3)),
    Activation('relu'),
    Conv2D(64,3),
    Activation('relu'),
    MaxPool2D(pool_size=(2,2)),
    Flatten(),
    Dense(1024),
    Activation('relu')
])

concatenated = Concatenate(axis=-1)([model1.output, model2.output])

# 密結合
out = Dense(num_classes, activation='softmax')(concatenated)
model = Model([model1.input, model2.input], out)

# ★★ ここまで修正

# モデルコンパイル
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['acc'])
model.summary()

# 学習する。
history = model.fit([x_train1, x_train2], y_train, epochs=40)

投稿

  • 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。

  • 2020/11/25 18:18 編集

    何度も詳しく回答して頂きありがとうございます。

    分割方法として、
    x1=["猫1.jpg","犬1.jpg"]
    x2=["猫2.jpg","犬2.jpg"]
    などのように指定すればよいのでしょうか?

    キャンセル

  • 2020/11/25 19:49 編集

    それが100枚〜数百枚ずつあるイメージです。でもって、x1とx2の各要素のペアに対応する位置が正解ラベルyとして必要です。"猫1.jpg"と"猫2.jpg"のペアに対して、"公園"とか座標とか、位置を表して最終的に推論したい答えが必要です。

    キャンセル

  • 2020/11/26 09:53

    ありがとうございます。
    頑張ってやってみます。

    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 87.94%
  • 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

関連した質問

同じタグがついた質問を見る