我正在尝试训练一个用于对象分类的CNN。因此,除了图像之外,我还想输入一些文本特征。
我在这里找到了一个这样做的例子
作者构建了两个模型,一个用于图像识别的CNN模型和一个用于文本识别的普通ANN模型。最后,他将它们合并在一起,并应用softmax激活。因此,他的管道如下所示:
merged = Merge([cnn_model, text_model], mode='concat')
### final_model takes the combined models and adds a sofmax classifier to it
final_model = Seque
我想在keras中训练一个CNN分类器,但我的定制数据集。我已经创建了CNN模型,但我完全搞不懂如何将我的数据集输入到训练集、有效集和测试集。我是深度学习的新手。我有7种类型的类,即['A','C','F','L','N','R','V'],但这些都包含在图像名称中。我的图像名称应该是MLII_C_1.jpeg or V1_C_1.jpeg。图像名称中的中间字母告诉我它所属的类。如何加载我的图像?并按目标标签制作。求求你们谁来帮帮我。 ?
我正在为MNIST时尚数据集创建CNN模型。我已经创建了一个成功的CNN模型。但我想对我从互联网上下载的另一张图像的分类模型进行测试。 我的所有训练和测试集的形状是(28,28,1)。但现在对于我想预测的图像,我将其调整为(28,28),并将其设置为一个RGB通道 cv2.cvtColor(load_img_rz, cv2.COLOR_BGR2GRAY) 现在图像的形状是(28,28)。我试着将它输入到模型中,但它显示错误 ValueError: Input 0 of layer sequential_6 is incompatible with the layer: : expected
我目前正在尝试训练CNN将由点组成的图像分类到一个类,其中类是一个取决于点的数量和大小的值。在高数字类中应该有更多的点,在低数字类中应该有更少的点。 我想知道是否有CNN的替代方案来完成这项任务。我刚开始设计CNN,因为它是一个图像问题,但后来我意识到,与图像中其他对象分类问题的不同之处在于,这些图像并不真正具有与对象图像相同的属性,例如边缘。 主要目标是当输入是这种类型的图像时,从网络中获取一个数字,除了它必须是机器学习解决方案之外,我不喜欢如何做。 这就是图像的样子。我有可能使用两种不同的类型,其中一种是原始的,另一种是二进制灰度黑白。 Binary black and white im