Tensorflow 2图像批次预测返回结果

如何解决Tensorflow 2图像批次预测返回结果

我有一个已经受过训练的模型，我想对目录中的图像进行二进制分类预测。我有超过100,000张图像，因此为了提高效率，我想进行批量预测。根据类别进行预测后，如何对图像进行批处理预测，获取预测结果并将图像存储在两个单独的文件夹中？

这是到目前为止我的代码的样子...

model_filepath = r"C:\Users\model_200.h5"
model = tf.keras.models.load_model(model_filepath)

test_dir = r"C:\Users\image_testing_folder"

batch_size = 64
IMG_HEIGHT = 200
IMG_WIDTH = 200

test_image_generator = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1./255)
test_image_gen = test_image_generator.flow_from_directory(directory=str(test_dir),batch_size=batch_size,shuffle=False,target_size=(IMG_HEIGHT,IMG_WIDTH),)

predictions = (model.predict(test_image_gen) > 0.5).astype("int32")
predictions

一种解决方案是将预测与图像文件路径相关联，然后使用shutil.move（）将原始图像移动到目标文件夹。我该怎么做？是否有比使用ImageDataGenerator和.flow_from_directory更好的批处理预测方法？

解决方法

您可以创建自定义数据集，以便轻松检索文件名：

import tensorflow as tf
from tensorflow.keras.layers import *
from tensorflow.keras import Sequential
from glob2 import glob
from shutil import copy
import numpy as np

files = glob('group1\\*\\*.jpg')

imsize = 64

def load(file_path):
    img = tf.io.read_file(file_path)
    img = tf.image.decode_png(img,channels=3)
    img = tf.image.convert_image_dtype(img,tf.float32)
    img = tf.image.resize(img,size=(imsize,imsize))
    return img,file_path

ds = tf.data.Dataset.from_tensor_slices(files).\
    take(100).\
    shuffle(100).\
    map(load).batch(4)

model = Sequential()
model.add(Conv2D(8,(3,3),input_shape=(imsize,imsize,activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Flatten())
model.add(Dense(units=32,activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(units=2,activation='sigmoid'))
model.compile(optimizer='adam',loss='categorical_crossentropy',metrics=['accuracy'])

model.build(input_shape=(imsize,3))

categories = np.array(['cats','dogs'])

target_dir = 'newpics'

for cat in categories:
    os.makedirs(os.path.join(target_dir,cat),exist_ok=True)

for images,filenames in ds:
    preds = model(images)
    targets = categories[np.argmax(preds,axis=1)]
    for file,destination in zip(filenames,targets):
        copy(file.numpy().decode(),os.path.join(target_dir,destination,os.path.basename(file.numpy().decode())
                                ))
        print(file.numpy().decode(),'-->',os.path.basename(file.numpy().decode())
                                ))

group1\cats\cat.4051.jpg --> newpics\cats\cat.4051.jpg
group1\cats\cat.4091.jpg --> newpics\dogs\cat.4091.jpg
group1\cats\cat.4055.jpg --> newpics\cats\cat.4055.jpg
group1\cats\cat.4041.jpg --> newpics\cats\cat.4041.jpg
group1\cats\cat.4090.jpg --> newpics\cats\cat.4090.jpg
group1\cats\cat.4071.jpg --> newpics\dogs\cat.4071.jpg
group1\cats\cat.4082.jpg --> newpics\cats\cat.4082.jpg
group1\cats\cat.4037.jpg --> newpics\cats\cat.4037.jpg
group1\cats\cat.4005.jpg --> newpics\cats\cat.4005.jpg

您所要做的就是更改glob模式和文件夹。