Keras之inception_v3使用

一、安裝

必要：tensorflow，Keras

首次運行需要安裝：

1）下載模型權重   inception_v3_weights_tf_dim_ordering_tf_kernels.h5  

路徑見前一篇

2）安裝h5py

pip install h5py

3）安裝PIL

 遇到pip無法安裝，以pillow替代，見Stack Overflow

 

二、參數說明

 

分類結果：

ImageNet的1000種object，對應模型分類結果的1000 classes：

text: imagenet 1000 class id to human readable labels

https://github.com/cjyanyi/keras_deep_learning_tutorial/blob/master/imagenet1000_clsid_to_human.txt

 

三、代碼示例

import numpy as np
from keras.preprocessing import image
from keras.applications import inception_v3

　  img = image.load_img("xxx.jpg", target_size=(299, 299))
　  input_image = image.img_to_array(img)
　  input_image /= 255.
　  input_image -= 0.5
　  input_image *= 2.
　  # Add a 4th dimension for batch size (Keras)
　  input_image = np.expand_dims(input_image, axis=0)

    # Run the image through the NN
    predictions = model.predict(input_image)

    # Convert the predictions into text
    predicted_classes = inception_v3.decode_predictions(predictions, top=1)
    imagenet_id, name, confidence = predicted_classes[0][0]
    print("This is a {} with {:-4}% confidence!".format(name, confidence * 100))

　　

input_image 是一個默認大小：1*299*299*3  的4維向量（列表）