tensorflow - 使用 MNIST 数据集训练的模型预测自己的图像
问题描述
我用 keras mnist 数据集训练了一个模型,用于手写数字识别,它的准确率为 98%。但是说到我自己的形象,表现就很差。我想这与我自己图像的预处理有关。这是我尝试将图像转换为 28*28 大小的方法。
image = Image.open(f'screenshots/screenshot0.png').convert('L')
image = image.resize((28,28), Image.ANTIALIAS)
data = np.asarray(image)/255.0
而且我发现转换后图像的颜色发生了变化
变形后可以看到白色变成灰色,不知道是不是性能不好的原因?
解决方案
尝试使用 opencv 读取图像。
import cv2
image = cv2.imread(f'screenshots/screenshot0.png',0)
image = cv2.resize(image, (28,28))
data = np.asarray(image)/255.0
推荐阅读
- bash - Bash获取键值错误
- java - 使用飞碟 PDF 渲染将格式错误的 HTML 转换为 PDF
- vba - VBA,仅在范围=字符串的列中清除内容
- kendo-ui - Kendo 中的中心 div 用于 Angular 对话框
- asp.net - Angular/SignalR 错误:无法完成与服务器的协商
- mysql - connection.sync({ force: false}) 创建不需要的表
- arrays - Neo4j - 数组列表到数组中的元素列表
- python - 查找所有匹配项并用索引迭代替换
- javascript - 如何在主干模型中放置按钮?
- atata - Atata:禁用控制