質問編集履歴
1
削除
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -1,173 +1,55 @@
|
|
|
1
|
-
kerasを使って、画像を分類しようとしているのですが、いまいち精度が上がらず、過学習までしてしまいます。
|
|
2
|
-
|
|
3
|
-
|
|
1
|
+
削除
|
|
4
2
|
|
|
5
3
|
|
|
6
4
|
|
|
7
|
-
```python
|
|
8
|
-
|
|
9
|
-
import os
|
|
10
|
-
|
|
11
|
-
import numpy as np
|
|
12
|
-
|
|
13
|
-
import cv2
|
|
14
|
-
|
|
15
|
-
import matplotlib.pyplot as plt
|
|
16
|
-
|
|
17
|
-
from keras import layers, models, optimizers
|
|
18
|
-
|
|
19
|
-
from keras.utils import np_utils
|
|
20
|
-
|
|
21
|
-
from keras.callbacks import EarlyStopping
|
|
22
5
|
|
|
23
6
|
|
|
24
7
|
|
|
25
|
-
NUM_CLASSES = 3 # 分類するクラス数
|
|
26
|
-
|
|
27
|
-
IMG_SIZE = 280 # 画像の1辺の長さ
|
|
28
8
|
|
|
29
9
|
|
|
30
10
|
|
|
31
|
-
# 画像のあるディレクトリ
|
|
32
|
-
|
|
33
|
-
img_dirs = ['dog', 'lion', 'cat']
|
|
34
11
|
|
|
35
12
|
|
|
36
13
|
|
|
37
|
-
# class name
|
|
38
|
-
|
|
39
|
-
class_names = ['dog', 'lion', 'cat',]
|
|
40
14
|
|
|
41
15
|
|
|
42
16
|
|
|
43
|
-
# 学習用画像データ
|
|
44
|
-
|
|
45
|
-
train_images = []
|
|
46
|
-
|
|
47
|
-
# 学習用データのラベル
|
|
48
|
-
|
|
49
|
-
train_labels = []
|
|
50
|
-
|
|
51
|
-
# テスト用画像データ
|
|
52
|
-
|
|
53
|
-
test_images = []
|
|
54
|
-
|
|
55
|
-
# テスト用データのラベル
|
|
56
|
-
|
|
57
|
-
test_labels = []
|
|
58
17
|
|
|
59
18
|
|
|
60
19
|
|
|
61
|
-
#学習用データセット作成
|
|
62
|
-
|
|
63
|
-
for label, dir_name in enumerate(img_dirs):
|
|
64
|
-
|
|
65
|
-
# ./data/以下の各ディレクトリ内のファイル名取得
|
|
66
|
-
|
|
67
|
-
files = os.listdir(os.getcwd() + '/imgs/train_images/' + dir_name)
|
|
68
|
-
|
|
69
|
-
for file in files:
|
|
70
|
-
|
|
71
|
-
# 画像読み込み
|
|
72
|
-
|
|
73
|
-
img = cv2.imread(os.getcwd() + '/imgs/train_images/' + dir_name + '/' + file)
|
|
74
|
-
|
|
75
|
-
if img is not None:
|
|
76
|
-
|
|
77
|
-
# 1辺がIMG_SIZEの正方形にリサイズ
|
|
78
|
-
|
|
79
|
-
img = cv2.resize(img, dsize=(IMG_SIZE, IMG_SIZE), interpolation=cv2.INTER_NEAREST)
|
|
80
|
-
|
|
81
|
-
# OpenCVの関数cvtColorでBGRとRGBを変換
|
|
82
|
-
|
|
83
|
-
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
|
|
84
|
-
|
|
85
|
-
# Numpy配列にする
|
|
86
|
-
|
|
87
|
-
data = np.asarray(img)
|
|
88
|
-
|
|
89
|
-
# 配列に追加
|
|
90
|
-
|
|
91
|
-
train_images.append(data)
|
|
92
|
-
|
|
93
|
-
# ラベル
|
|
94
|
-
|
|
95
|
-
train_labels.append(label)
|
|
96
20
|
|
|
97
21
|
|
|
98
22
|
|
|
99
|
-
# numpy配列に変換
|
|
100
|
-
|
|
101
|
-
train_images = np.array(train_images)
|
|
102
|
-
|
|
103
|
-
train_labels = np.array(train_labels)
|
|
104
23
|
|
|
105
24
|
|
|
106
25
|
|
|
107
|
-
#テスト用データセット作成
|
|
108
|
-
|
|
109
|
-
for label, dir_name in enumerate(img_dirs):
|
|
110
|
-
|
|
111
|
-
# ./data/以下の各ディレクトリ内のファイル名取得
|
|
112
|
-
|
|
113
|
-
files = os.listdir(os.getcwd() + '/imgs/test_images/' + dir_name)
|
|
114
|
-
|
|
115
|
-
for file in files:
|
|
116
|
-
|
|
117
|
-
# 画像読み込み
|
|
118
|
-
|
|
119
|
-
img = cv2.imread(os.getcwd() + '/imgs/test_images/' + dir_name + '/' + file)
|
|
120
|
-
|
|
121
|
-
if img is not None:
|
|
122
|
-
|
|
123
|
-
# 1辺がIMG_SIZEの正方形にリサイズ
|
|
124
|
-
|
|
125
|
-
img = cv2.resize(img, (IMG_SIZE, IMG_SIZE))
|
|
126
|
-
|
|
127
|
-
# OpenCVの関数cvtColorでBGRとRGBを変換
|
|
128
|
-
|
|
129
|
-
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
|
|
130
|
-
|
|
131
|
-
# Numpy配列にする
|
|
132
|
-
|
|
133
|
-
data = np.asarray(img)
|
|
134
|
-
|
|
135
|
-
# 配列に追加
|
|
136
|
-
|
|
137
|
-
test_images.append(data)
|
|
138
|
-
|
|
139
|
-
# ラベル
|
|
140
|
-
|
|
141
|
-
test_labels.append(label)
|
|
142
26
|
|
|
143
27
|
|
|
144
28
|
|
|
145
|
-
# numpy配列に変換
|
|
146
|
-
|
|
147
|
-
test_images = np.array(test_images)
|
|
148
|
-
|
|
149
|
-
test_labels = np.array(test_labels)
|
|
150
29
|
|
|
151
30
|
|
|
152
31
|
|
|
153
|
-
# ニューラルネットワークにデータを投入する前に、これらの値を0から1までの範囲にスケールする
|
|
154
|
-
|
|
155
|
-
train_images = train_images.astype('float32') / 255.0
|
|
156
|
-
|
|
157
|
-
test_images = test_images.astype('float32') / 255.0
|
|
158
32
|
|
|
159
33
|
|
|
160
34
|
|
|
161
|
-
# One-Hotエンコーディングする
|
|
162
|
-
|
|
163
|
-
train_labels = np_utils.to_categorical(train_labels, NUM_CLASSES)
|
|
164
|
-
|
|
165
|
-
test_labels = np_utils.to_categorical(test_labels, NUM_CLASSES)
|
|
166
|
-
|
|
167
|
-
```
|
|
168
35
|
|
|
169
36
|
|
|
170
37
|
|
|
171
|
-
間違えてそうなところがないか、確認していただきたいです。
|
|
172
38
|
|
|
39
|
+
|
|
40
|
+
|
|
41
|
+
|
|
42
|
+
|
|
43
|
+
|
|
44
|
+
|
|
45
|
+
|
|
46
|
+
|
|
47
|
+
|
|
48
|
+
|
|
49
|
+
|
|
50
|
+
|
|
51
|
+
|
|
52
|
+
|
|
53
|
+
|
|
54
|
+
|
|
173
|
-
|
|
55
|
+
削除しました。
|