使用 InceptionV3 一次性对多张图像进行分类答案

【问题标题】：Classify multiple images in one go with InceptionV3使用 InceptionV3 一次性对多张图像进行分类
【发布时间】：2020-03-01 14:45:23
【问题描述】：

我正在尝试使用 InceptionV3 一次在一个目录中对多个图像进行分类。
我能够使用目录流方法提取瓶颈特征，并将预测结果作为数组获取。

我的问题是我如何知道每个预测指的是哪个图像，因为它们在数组中是乱序的。
我尝试使用 generator_top.classes 提取类，但它从图像所在目录的名称中获取它们。
我看到预测都是正确的（图像上的那些对象，那些是在原始数组中获得的）。
我只会明白如何比较它们。

此外，我在大型测试样本上测试图像时使用了这种方法（每个类和图像都有文件夹），并且数组中的所有预测都按测试目录中的文件夹顺序显示但是当我尝试从具有不同类的同一目录中执行此操作时，我无法将预测与图像进行比较。

from keras import applications

base_model = applications.InceptionV3(include_top=False, weights='imagenet')

res_model = Sequential()
res_model.add(GlobalAveragePooling2D(input_shape=train_data.shape[1:]))
res_model.add(Dense(17, activation='softmax'))
datagen=ImageDataGenerator(rescale=1./255)


generator = datagen.flow_from_directory(  
    test_path,  
    target_size=(img_width, img_height),  
    batch_size=batch_size,  
    class_mode=None,  
    shuffle=False)

nb_test_samples = len(generator.filenames)  #17
predict_size_test = int(math.ceil(nb_test_samples/batch_size))   #2  
bottleneck_features_test = base_model.predict_generator( generator, 
    predict_size_test, verbose=1) 

np.save('bottleneck_features_test_10000inc.npy', bottleneck_features_test)

generator = datagen.flow_from_directory(  
    test_path,  
    target_size=(img_width, img_height),  
    batch_size=batch_size,  
    class_mode=None,  
    shuffle=False)  

nb_test_samples = len(generator_top.filenames)  

test_data = np.load('bottleneck_features_test_10000inc.npy')  

test_labels = generator_top.classes
test_labels = to_categorical(test_labels, num_classes=17) 

tr_predictions=[np.argmax(res_model.predict(np.expand_dims(feature,axis=0)))for feature in test_data]

【问题讨论】：

标签： python image-processing deep-learning classification

【解决方案1】：

您可以获取生成的文件的文件名，并将其与预测结果映射。

datagen = ImageDataGenerator()
gen = datagen.flow_from_directory(...)
for i in gen:
idx = (gen.batch_index - 1) * gen.batch_size
filenames = gen.filenames[idx : idx + gen.batch_size]

filenames 数组将包含文件名，使用 python 中的 zip 等函数来映射文件名和预测结果。

注意 1 - 这将在

时起作用

shuffle=False

在生成器中，因为数据在读取后可能会被打乱，您将无法跟踪打乱。

注 2 - 这个答案的灵感来自 Keras flowFromDirectory get file names as they are being generated。

【讨论】：