Изменение label_img.py в начальном классификаторе изображений, чтобы он принимал пустые массивы (изображения opencv) вместо файлов jpg - PullRequest
Новая
       8

Изменение label_img.py в начальном классификаторе изображений, чтобы он принимал пустые массивы (изображения opencv) вместо файлов jpg

0 голосов
/ 17 января 2019

Я строю классификатор изображений, используя тензорный поток для предтренированной модели поэтов. Моя модель обучена, и она работает хорошо. Однако при интеграции его в мое приложение я столкнулся с проблемой. Существующий код читает файл jpg (или другой формат изображения) и создает тензор, который применяется к модели. Я хочу ввести массив numpy (изображение opencv) вместо чтения изображения с диска.

Я пробовал convert_to_tensor (https://www.tensorflow.org/api_docs/python/tf/convert_to_tensor), но я не могу использовать результат в остальной части кода. Другие методы ссылаются на более старый пример из устаревшего репо, который использует что-то вроде

tfImage = tf.gfile.FastGFile (imageFileWithPath, 'rb'). Read () запустить сеть, чтобы получить прогнозы предсказания = sess.run (finalTensor, {'DecodeJpeg / contents: 0': tfImage})

Я испортил отступ во время вставки, но вы должны быть в состоянии понять идею 

def read_tensor_from_image_file(file_name, input_height=299, 
input_width=299,
            input_mean=0, input_std=255):
input_name = "file_reader"
output_name = "normalized"

if type(file_name) is str:
 file_reader = tf.read_file(file_name, input_name)
if file_name.endswith(".png"):
  image_reader = tf.image.decode_png(file_reader, channels = 3,
                                     name='png_reader')
elif file_name.endswith(".gif"):
  image_reader = tf.squeeze(tf.image.decode_gif(file_reader,
                                                name='gif_reader'))
elif file_name.endswith(".bmp"):
  image_reader = tf.image.decode_bmp(file_reader, name='bmp_reader')
else:
  image_reader = tf.image.decode_jpeg(file_reader, channels = 3,
                                      name='jpeg_reader')
float_caster = tf.cast(image_reader, tf.float32)
dims_expander = tf.expand_dims(float_caster, 0);
resized = tf.image.resize_bilinear(dims_expander, [input_height, 
input_width])

elif type(file_name) is np.ndarray:
 tf_img = tf.convert_to_tensor(file_name)
 resized = tf.image.resize_bilinear(tf_img, [input_height, input_width])
 normalized = tf.divide(tf.subtract(resized, [input_mean]), [input_std])
sess = tf.Session()
result = sess.run(normalized)

return result

def classify(file_name,model_file = 
 "tf_files/retrained_graph.pb",label_file = 
 "tf_files/retrained_labels.txt",output_layer = "final_result"):



 input_height = 299
 input_width = 299
 input_mean = 128
 input_std = 128
 input_layer = "Mul"

 graph = load_graph(model_file)

 t = read_tensor_from_image_file(file_name,
                              input_height=input_height,
                              input_width=input_width,
                              input_mean=input_mean,
                              input_std=input_std)


 input_name = "import/" + input_layer
 output_name = "import/" + output_layer
 input_operation = graph.get_operation_by_name(input_name);
 output_operation = graph.get_operation_by_name(output_name);



 with tf.Session(graph=graph) as sess:
  start = time.time()
  results = sess.run(output_operation.outputs[0],
                  {input_operation.outputs[0]: t})
  end=time.time()
 results = np.squeeze(results)

top_k = results.argsort()[-5:][::-1]
labels = load_labels(label_file)

print('\nEvaluation time (1-image): {:.3f}s\n'.format(end-start))
template = "{} (score={:0.5f})"
for i in top_k:
 print(template.format(labels[i], results[i]))

Приведенный выше код работает, когда ему дается путь к файлу, как это было задумано, но мои изменения в read_tensor_from_image_file используют массив numpy, который выдает ошибки. Я подозреваю, что мне нужно заменить 't', чтобы изменить его на тензорный оператор для output_operations. Любая помощь приветствуется.

1 Ответ

0 голосов
/ 17 января 2019

Если вы передадите массив np правильной формы непосредственно для оценки сеанса, он должен работать как положено.

Здесь я использовал openCV, чтобы изменить / нормализовать массив np, чтобы функция возвращала правильную форму: 

import cv2

def read_tensor_from_image_file(file_name,
                                input_height=299,
                                input_width=299,
                                input_mean=0,
                                input_std=255):
    input_name = "file_reader"
    output_name = "normalized"

    if type(file_name) is str:
        file_reader = tf.read_file(file_name, input_name)
        if file_name.endswith(".png"):
            image_reader = tf.image.decode_png(file_reader, channels = 3,
                                               name='png_reader')
        elif file_name.endswith(".gif"):
            image_reader = tf.squeeze(tf.image.decode_gif(file_reader,
                                                          name='gif_reader'))
        elif file_name.endswith(".bmp"):
            image_reader = tf.image.decode_bmp(file_reader, name='bmp_reader')
        else:
            image_reader = tf.image.decode_jpeg(file_reader, channels = 3,
                                                name='jpeg_reader')
        float_caster = tf.cast(image_reader, tf.float32)
        dims_expander = tf.expand_dims(float_caster, 0);
        resized = tf.image.resize_bilinear(dims_expander, [input_height,
                                                           input_width])
        normalized = tf.divide(tf.subtract(resized, [input_mean]), 
                               [input_std])
        sess = tf.Session()
        result = sess.run(normalized)

    elif type(file_name) is np.ndarray:
        resized = cv2.resize(file_name, (input_width, input_height),
                             interpolation=cv2.INTER_LINEAR)
        normalized = (resized - input_mean) / input_std
        result = normalized

    return result
...