keras实现VGG16方式(预测一张图片)_keras实现vgg16资源-CSDN文库

17 浏览量 2020-09-16 13:34:31 上传评论收藏 58KB PDF 举报

资源推荐

资源详情

资源评论

keras实现实现VGG16方式方式(预测一张图片预测一张图片)

主要介绍了keras实现VGG16方式(预测一张图片)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

我就废话不多说了，大家还是直接看代码吧~

from keras.applications.vgg16 import VGG16#直接导入已经训练好的VGG16网络

from keras.preprocessing.image import load_img#load_image作用是载入图片

from keras.preprocessing.image import img_to_array

from keras.applications.vgg16 import preprocess_input

from keras.applications.vgg16 import decode_predictions

model = VGG16()

image = load_img('D:\photo\dog.jpg',target_size=(224,224))#参数target_size用于设置目标的大小，如此一来无论载入的原图像大小如何，都会被标准化成统一的大小，这样做是为了向神经网络中方便地输入数据所需的。

image = img_to_array(image)#函数img_to_array会把图像中的像素数据转化成NumPy中的array，这样数据才可以被Keras所使用。

#神经网络接收一张或多张图像作为输入，也就是说，输入的array需要有4个维度： samples, rows, columns, and channels。由于我们仅有一个 sample（即一张image），我们需要对这个array进行reshape操作。

image = image.reshape((1,image.shape[0],image.shape[1],image.shape[2]))

image = preprocess_input(image)#对图像进行预处理

y = model.predict(image)#预测图像的类别

label = decode_predictions(y)#Keras提供了一个函数decode_predictions()，用以对已经得到的预测向量进行解读。该函数返回一个类别列表，以及类别中每个类别的预测概率，

label = label[0][0]

print('%s(%.2f%%)'%(label[1],label[2]*100))

# print(model.summary())

from keras.models import Sequential

from keras.layers.core import Flatten,Dense,Dropout

from keras.layers.convolutional import Convolution2D,MaxPooling2D,ZeroPadding2D

from keras.optimizers import SGD

import numpy as np

from keras.preprocessing import image

from keras.applications.imagenet_utils import preprocess_input, decode_predictions

import time

from keras import backend as K

K.set_image_dim_ordering('th')

def VGG_16(weights_path=None):

model = Sequential()

model.add(ZeroPadding2D((1, 1), input_shape=(3, 224, 224)))

model.add(Convolution2D(64, (3, 3), activation='relu'))