Мне нужно тренировать изображения, используя CNN, чтобы получить рамку вокруг объекта, углубляющегося по координатам в train.csv.
Модель должна создавать координаты прямоугольника, в котором находится объект
пример данных (train.csv)
img_name x1 x2 y1 y2
10001.png 115 495 143 325
1690.png 23 457 61 409
MenCasu.png 37 601 13 470
14777.png 27 602 162 385
В приведенных здесь именах изображений необходимо обучать таким образом, чтобы объект на изображениидолжен сгенерировать рамку вокруг него.
код, который я пробовал:
classifier = Sequential()
classifier.add(Conv2D(32, (3, 3), input_shape = (64, 64, 3), activation = 'relu'))
classifier.add(MaxPooling2D(pool_size = (2, 2)))
classifier.add(Conv2D(32, (3, 3), activation = 'relu'))
classifier.add(MaxPooling2D(pool_size = (2, 2)))
classifier.add(Flatten())
classifier.add(Dense(units = 128, activation ='relu'))
classifier.add(Dense(units = 1, activation = 'sigmoid'))
classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])
train_datagen = ImageDataGenerator(rescale = 1./255,
shear_range = 0.2,
zoom_range = 0.2,
horizontal_flip = True)
test_datagen = ImageDataGenerator(rescale = 1./255)
training_set = train_datagen.flow_from_directory('../input/data',
target_size = (64, 64),
batch_size = 32,class_mode ='binary')
test_set = test_datagen.flow_from_directory('../input/data',
target_size = (64, 64),
batch_size = 32,
class_mode = 'binary')
classifier.fit_generator(training_set,
steps_per_epoch = 8000,
epochs = 25,
validation_data = test_set,validation_steps = 2000)
какие изменения я могу внести в код, чтобы получить рамку вокруг объекта на изображении. И нужно проверитьнекоторые изображения и найти координаты объекта в зависимости от обучения.
Или есть ли другой способ сделать это.
Заранее спасибо !!!!