Keras Cat Dog 분류 - 10. 딥러닝 시작하기 - 테스트 사진 분류하기 -마지막 시간!!

설치 부터 실제 분류까지 keras로

 Cat과 Dog 데이터 셋으로 끝까지 해보기 

2019/06/14 - [주제를 딱히 정하기 싫을때] - Keras Cat Dog 분류 - 9. 딥러닝 시작하기 - 과대적합2

Keras Cat Dog 분류 - 9. 딥러닝 시작하기 - 과대적합2

14 저장된 모델 불러와서 사용 하기 

•  my_log 폴더에 저장된 모델을 불러 오세요

• 훈련시 평가가 좋았던 모델을 사용합니다.

 

from keras.models import load_model

type_model = load_model('/keras/my_log/2019611231516_my_xception_cat_dog_model.h5')

 

• 테스트 파일을 전처리 하기 위해 모듈임포트 합니다.

from keras.preprocessing import image

import PIL

import os

import numpy as np

 

 

• 테스트 파일 목록을 가져와서 새롭게 만듭니다.

• 1.jpg 로 시작합니다.

• 또한 목록을 만들때 순서대로가 아닌 [1.jpg, 10.jpg.100.jpg....]로 리스트가 되어

                    목적에 맞는 이름을 생성 해야됩니다.

 

test_image_path = '/keras/dogsNcats/test1'



#목록 갯수를 가져와서 1부터시작 하는 목록을 만듭니다. 

list_imgs= os.listdir(test_image_path)

sort_imgs_num = [i+1 for i in range(len(list_imgs))] #1.jpg부터 시작



test_image = []

for imgs in sort_imgs_num:

    img_path = os.path.join(test_image_path,str(imgs)+'.jpg') #원하는 목록리스트를 만듭니다.

    img = image.load_img(img_path,target_size=(150,150)) # 해당 파일 사이즈를 변경합니다.

    img_tensor = image.img_to_array(img)   # 해당 이미지를  배열로 바꿔 줍니다.

    img_tensor /= 255.     # 이미지데이터를 정규화(표준화) 합니다. 

    test_image.append(img_tensor)  #변환된 데이터를 리스트에 저장합니다.



image_array = np.array(test_image) #넘파이 배열로 바꿔줍니다.

print("이미지 모양확인", image_array.shape)

이미지 모양확인 (12500, 150, 150, 3)

 

•  테스트 데이터를 모델에 적용합니다.

  

predictions = type_model.predict(image_array)

 

• 예측이 0.5 기준으로 0에 가까우면 고양이, 1에 가까우면 개로 판별합니다.

• 테스트 사진 분류 전에  데이터 확인을 합니다.

 

 

 

def plot_data(X, y, num_figures):

    plt.figure(figsize=(30, 20))



    for i in range(num_figures):

        plt.subplot(2, num_figures, i+1)

        plt.imshow(X[i])



        if y[i] >= 0.5:

            plt.title("Dog ("+ str(y[i]) + ")", fontsize=30)

        else:

            plt.title("Cat ("+ str(y[i]) + ")", fontsize=30)

            

   	plt.tight_layout()

    plt.show()
    
 for i in range(0, 30, 6):
 plot_data(test_image[i:], predictions[i:], 6)

    

타이틀 위의 실수는 0~1 사이를 뜻하며 0.5 기준으로 0에 가까울수록 고양이로 판별합니다.

반대로 1에 가까우면 개로 팔별합니다. 

얼핏봐도 분류가 나름 잘 된거 같군요

 

 

• 드디어 마지막입니다. 

• 실제 사진을 딥러닝으로 분류해 봅시다!

• 12500장의 사진이 있습니다.

• 잘 정리될까요?

• 레이블은 없습니다. 

• 직접 확인해보세요 

 

import os, shutil



test_image_path = '/keras/dogsNcats/test1'

copy_testImage_path = '/keras/datasets/test'





#str(i+1) 이유는 테스트사진이 1.jpg 부터 시작

def test_copy_files(prefix_str,i):

    image_paths = os.path.join(test_image_path ,str(i+1)+'.jpg')

    data_dir = os.path.join(copy_testImage_path,prefix_str)

    

    if not os.path.isdir(data_dir):

        os.makedirs(data_dir)

        

    shutil.copy(image_paths,data_dir)

    



# 사진 자동 분류하기





for i in range(len(predictions)):

    img = predictions[i]

    if img >= 0.5:

        test_copy_files("dog",i)

    else:

        test_copy_files("cat",i)



    

print("테스트 사진 분류 완료!")

 

도움이 되길 바라면서...

고생 많으셨습니다.

 

Keras Cat Dog 분류 - 딥러닝 시작하기 .ipynb

2.59MB