预测新的ImageNet图像

Question

我在预测基于ImageNet数据库的新图像时遇到了问题，在这个数据库中，物体被放置在不同的背景上。预测类在各种模型(ResNets和VGG)上工作得很好，但是对于Densenet和Inception，它根本不起作用。我想这和标签有关，但我不知道到底出了什么问题。

标签的排序从0到999 (按地图划分)，顺序与原始数据集相同。

我已经更改为其他格式的标签(例如n02676566)。这对DenseNet不起作用(ResNets仍然很好)。

代码：

model = keras.applications.densenet.DenseNet201(weights='imagenet', classes=1000)

labels = [str(i) for i in range(0,1000)]

generator_imagenet = ImageDataGenerator().flow_from_directory(path, target_size(224,224), batch_size=64, class_mode='categorical', shuffle=True, classes=labels)

resnet18_model.compile(optimizer='SGD', loss='categorical_crossentropy', metrics=['acc'])

resnet18_model.evaluate_generator(generator_imagenet)

输出ResNet 152：

发现243个图像，属于1000个类。1.6771895689238245，0.5679012397189199 输出DenseNet 201： 发现243个图像，属于1000个类。15.938421453468102，0.0

Answer 1

您需要使用每个preprocess_input模型提供的preprocess_input函数对图像进行预处理。添加以下更改。

keras.applications.densenet import preprocess_input
generator_imagenet = ImageDataGenerator(preprocessing_function=preprocess_input).flow_from_directory(path, 
                                                          target_size(224,224),
                                                          batch_size=64,
                                                          class_mode='categorical', 
                                                          shuffle=True, 
                                                          classes=labels)