【人工智能 图像分割 原创首发】第五章 用训练好的网络测试
这一节我利用训练出的.pb网络测试下自己的图片新建一个python文件“6deeplab_predictions.py”，输入代码如下
# 时间：2020.09.14
# 作用：调用pb文件批量生成deeplabv3预测图
# 输入：图像文件夹，pb模型文件
# 输出：文件预测图
# 注意：原始图片里不要有其他文件，包括.DS_Store、文件夹等。
import tensorflow as tf
import numpy as np
import os
from PIL import Image
Image.MAX_IMAGE_PIXELS = 400000000
image_wide = 400
image_high = 320
imagedir = '/Users/zhengyuchun/Desktop/Anaconda/pre_images/'
pbpath = "./exp/mydata_train/export/frozen_inference_graph.pb"
imagelist = os.listdir(imagedir)
rgbim = np.zeros((image_high, image_wide, 3), 'uint8')
R = rgbim[:, :, 0]
G = rgbim[:, :, 1]
B = rgbim[:, :, 2]
img = tf.placeholder(tf.uint8, , name="img")
with open(pbpath, "rb") as f:
graph_def = tf.GraphDef()
graph_def.ParseFromString(f.read())
output = tf.import_graph_def(graph_def, input_map={"ImageTensor:0": img}, return_elements=["SemanticPredictions:0"])
sess = tf.Session()
for i in range(0, len(imagelist)):
path = os.path.join(imagedir, imagelist) # 带文件名的路径
filename = os.path.splitext(imagelist)# 文件名
filetype = os.path.splitext(imagelist)# 后缀".jpg"
print('正在处理 '+path)
image = Image.open(path)
image = np.asarray(image)
image = np.expand_dims(image, axis=0).astype(np.uint8)
result = sess.run(output, feed_dict={img: image})
grayim = np.squeeze(result)
# 将灰度图像转换为rgb图像,根据自己的类别数目修改相应的颜色
for k in range(0, image_high):
for j in range(0, image_wide):
if grayim == 1:
R = 128
B = 0
G = 0
elif grayim == 0:
R = 0
B = 0
G = 0
rgbim = Image.fromarray(np.uint8(rgbim))
savedir = os.path.join(imagedir, filename + '.png')
rgbim.save(savedir)
rgbim = np.zeros((image_high,image_wide, 3), 'uint8')
R = rgbim[:, :, 0]
G = rgbim[:, :, 1]
B = rgbim[:, :, 2]
运行就可以了，切记源图像不能是8bit的图片，而且源文件夹不能有其他文件和文件夹（文件夹下ls -la查看是否有其他文件，比如：包括.DS_Store、文件夹等）。
运行结果如下
可以看出，预测还是很准确的。 这东西好玩！ 你好楼主，我按照你的方法训练了一个模型，前四章都正常。第五章使用训练好的结果测试这里，我没有在/exp/mydata_train目录下找到export文件夹，也没有找到frozen_inference_graph.pb文件。这个文件在deeplab\g3doc\deeplabv3_mnv2_pascal_trainval文件夹里倒是有一个，不过看修改日期是2018年的，肯定不是训练生成的。麻烦问一下这是怎么回事啊？是不是因为我训练失败了？
【人工智能 图像分割 原创首发】第四（二）章 用训练好的网络测试
thepresent 发表于 2020-10-17 11:20你好楼主，我按照你的方法训练了一个模型，前四章都正常。第五章使用训练好的结果测试这里，我没有在/exp/m ...
不好意思，漏掉了一个环节。
第四章训练完毕后，还需要将训练好的网络冻结，生成.pb格式。
新建一个.sh 文件，输入代码如下：
cd ..
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim
python deeplab/export_model.py \
--checkpoint_path='./deeplab/exp/mydata_train/train/model.ckpt-46781' \
--export_path='./deeplab/exp/mydata_train/export/frozen_inference_graph.pb' \
--model_variant="mobilenet_v2" \
--num_classes=2 \
--decoder_output_stride=16 \
model.ckpt-46781'改为你自己训练的最终文件就行。 chun2495 发表于 2020-10-17 15:29
不好意思，漏掉了一个环节。
第四章训练完毕后，还需要将训练好的网络冻结，生成.pb格式。
新建一个.sh...
这个是在train文件夹生成的文件，没有你说的类似的格式啊。是不是我生成的有什么问题？ thepresent 发表于 2020-10-17 20:08
这个是在train文件夹生成的文件，没有你说的类似的格式啊。是不是我生成的有什么问题？ ...
没问题，你的就是这个 model.ckpt-100
页:
[1]