Почему прогнозы идут не так с MNIST CNN? - PullRequest
Новая
       20

Почему прогнозы идут не так с MNIST CNN?

0 голосов
/ 21 апреля 2019

Я обучил CNN на наборе данных MNIST с точностью обучения и проверки ~ 0,99.

Я выполнил точные шаги из примера, приведенного в документации Keras о реализации CNN с набором данных MNIST : 

import cv2
import numpy as np
import tensorflow.keras as keras
import math

from __future__ import print_function
import keras
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras import backend as K

batch_size = 128
num_classes = 10
epochs = 12

# input image dimensions
img_rows, img_cols = 28, 28

# the data, split between train and test sets
(x_train, y_train), (x_test, y_test) = mnist.load_data()

if K.image_data_format() == 'channels_first':
    x_train = x_train.reshape(x_train.shape[0], 1, img_rows, img_cols)
    x_test = x_test.reshape(x_test.shape[0], 1, img_rows, img_cols)
    input_shape = (1, img_rows, img_cols)
else:
    x_train = x_train.reshape(x_train.shape[0], img_rows, img_cols, 1)
    x_test = x_test.reshape(x_test.shape[0], img_rows, img_cols, 1)
    input_shape = (img_rows, img_cols, 1)

x_train = x_train.astype('float32')
x_test = x_test.astype('float32')
x_train /= 255
x_test /= 255
print('x_train shape:', x_train.shape)
print(x_train.shape[0], 'train samples')
print(x_test.shape[0], 'test samples')

# convert class vectors to binary class matrices
y_train = keras.utils.to_categorical(y_train, num_classes)
y_test = keras.utils.to_categorical(y_test, num_classes)

model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
                activation='relu',
                input_shape=input_shape))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))

model.compile(loss=keras.losses.categorical_crossentropy,
            optimizer=keras.optimizers.Adadelta(),
            metrics=['accuracy'])

model.fit(x_train, y_train,
        batch_size=batch_size,
        epochs=epochs,
        verbose=1,
        validation_data=(x_test, y_test))
score = model.evaluate(x_test, y_test, verbose=0)
print('Test loss:', score[0])
print('Test accuracy:', score[1])

Когда я тестировал следующее изображение:

enter image description here

используя следующий тестовый код: 

img = cv2.imread("m9.png", 0)
img = cv2.resize(img, (28,28))
img = img / 255.


prob = model.predict_proba(img.reshape((1,28, 28, 1)))

print(prob)

model.predict_classes(img.reshape((1,28, 28, 1)))

Класс, который он печатает, является array([1]), обозначая число 1. Я не мог понять причину этого. Я пытался сделать неверный прогноз?

Точно такой же класс array([1]) был предсказан для числа 8, как показано ниже:

enter image description here

Похоже, я сделал ошибку во время прогноза? Я пытался понять, что может происходить, но не мог понять.

Ответы [ 2 ]

0 голосов
/ 24 апреля 2019

Вы изменяете размер входного изображения до 28 X 28. Вместо этого сначала необходимо обрезать изображение вокруг цифры, чтобы оно выглядело как набор данных в MNIST.В противном случае в измененном изображении цифра будет занимать очень небольшую часть, и результаты будут произвольными.

0 голосов
/ 22 апреля 2019

Ошибок нет, просто ваши изображения совсем не похожи на те, что в наборе данных MNIST.Этот набор данных не предназначен для обучения общему алгоритму распознавания цифр, он будет работать только с похожими изображениями.

В вашем случае цифры будут очень маленькими на изображении 28x28, поэтому прогнозы являются случайными.

...