利用训练好的参数模型对图片进行分类
来源:互联网 发布:马云淘宝初期如何推广 编辑:程序博客网 时间:2024/05/20 17:09
import numpy as np
deploy=root + 'examples/myMnist/lenet.prototxt' #deploy文件
img=root+'examples/image/img_1.jpg' #随机找的一张待测图片
labels_filename = root + 'examples/myMnist/numLabel.txt' #类别名称文件,将数字标签转换回类别名称
net = caffe.Net(deploy,caffe_model,caffe.TEST) #加载model和network
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape}) #设定图片的shape格式(1,3,28,28)
transformer.set_transpose('data', (2,0,1)) #改变维度的顺序,由原始图片(28,28,3)变为(3,28,28)
#transformer.set_mean('data', np.load(mean_file).mean(1).mean(1)) #减去均值,前面训练模型时没有减均值,这儿就不用
transformer.set_raw_scale('data', 255) # 缩放到【0,255】之间
transformer.set_channel_swap('data', (2,1,0)) #交换通道,将图片由RGB变为BGR
im=caffe.io.load_image(img) #加载图片
net.blobs['data'].data[...] = transformer.preprocess('data',im) #执行上面设置的图片预处理操作,并将图片载入到blob中
#执行测试
out = net.forward()
labels = np.loadtxt(labels_filename, str, delimiter='\t') #读取类别名称文件
prob= net.blobs['prob'].data[0].flatten()
print prob
order=prob.argsort()[-1] #将概率值排序,取出最大值所在的序号
print 'the class is:',labels[order]
输出结果:
- 利用训练好的参数模型对图片进行分类
- Mxnet图片分类(4)利用训练好的模型进行测试
- 利用训练好的网络参数模型批量对文字分类(caffe)
- caffe+python 使用训练好的VGG16模型 对 单张图片进行分类,输出置信度
- caffe+python 使用训练好的VGG16模型 对 单张图片进行分类,输出置信度
- caffe(1)用训练好的模型对新图片分类
- 使用caffe训练好的模型进行分类
- Python调用已训练好的caffe模型进行分类
- 用训练好的caffe模型进行分类完整版
- 使用训练好的googlenet caffemodel进行图片分类
- 利用caffe训练好的模型进行测试
- caffe利用训练好的模型进行实际测试
- caffe利用训练好的模型进行实际测试
- 【Caffe的C++接口使用说明(三)】Ubuntu14.04下Caffe利用训练好的模型进行分类的C++接口使用说明(三)
- 基于caffe特征可视化 以及 用训练好的模型进行分类
- 基于caffe特征可视化 以及 用训练好的模型进行分类 2
- 使用MATLAB加载训练好的caffe模型进行识别分类
- Tensorflow学习(7)用别人训练好的模型进行图像分类
- ros入门之用catkin和rosmake创建和编译功能包
- python高阶函数:map(f,[list]),reduce(f,[list],可选初始值),
- aliyun阿里云Maven仓库地址——加速你的maven构建
- 找到一个讲的很详细的js的原型闭包的教程
- 在Fragment中的Activity——startActivityForResult与onActivityResult
- 利用训练好的参数模型对图片进行分类
- spark提交任务,参数的形式是JSON
- Linux ALSA声卡驱动之七:ASoC架构中的Codec
- Linux strace调试
- Powershell最佳安全实践
- 解决 cmd 窗口 php 输出中文乱码问题
- 怎么让图片平铺 传进来的图片自适应这个div
- Java开发代码规范之编程规约(二)——常量定义
- C# 类的继承和Interface接口