python - Mobilenet 用坐标检测图像中的多个类
问题描述
我已按照教程 ( https://towardsdatascience.com/keras-transfer-learning-for-beginners-6c9b8b7143e ) 对对象进行分类。现在我有一个模型可以对给定的图像是猫、狗还是马进行分类。
现在我需要修改代码,如果给出包含猫、狗和马的图像,它应该使用边界框和概率检测所有三个
为实现此目的而添加 keras 或 tensorflow 中的任何模块
它是要更改的最后一层吗?如果是这样,那里要改变什么
目前模型看起来像这样(最后一层有类的数量)
base_model=MobileNet(weights='imagenet',include_top=False)
x=base_model.output
x=GlobalAveragePooling2D()(x)
x=Dense(1024,activation='relu')(x)
x=Dense(1024,activation='relu')(x)
x=Dense(512,activation='relu')(x)
preds=Dense(3,activation='softmax')(x) ***LAST LAYER***
预测是这样的
img = image.load_img("nethorse.jpeg", target_size = (224,224))
test_image = image.img_to_array(img)
test_image = np.expand_dims(test_image, axis = 0)
test_image =preprocess_input(test_image)
print(test_image)
表示它是马的概率为 0.99
因此,要修改代码,使现有模型不仅可以说明图像中存在什么对象,还可以给出其坐标(即用边界框检测图像中的多个对象)
解决方案
推荐阅读
- python - 为什么 Python 列表初始化方法会影响索引?
- html - 我如何只检查 1 个 div 块而不检查其他任何内容
- ios - 如何使用字典中的键值对为表格视图单元格提供标题?
- google-chrome - 在 chrome devtools 中找不到要调试的 javascript 源映射
- javascript - 尝试从数据库中获取值时出现 Javascript“未定义”错误
- wildfly - Wildfly 18 指标微观配置文件
- geode - 远程 GFSH 启动的 @EnableClusterAware 注释 Geode 服务器需要 HTTP 配置
- python - 使用没有循环的python搜索索引
- json - 将json转为struct
- file - 如何使用 move_uploaded_file 函数加入正确的路径?