ケラでCNNを使用した画像のバイナリ分類で正しく予測された合計

Question

誰でも私を助けてくれます。私はKerasを使用してCNNにイメージのビルドバイナリ分類モデルを成功し、model.predict_classes()を使用して予測を行い、ここに私のコードでいます

import numpy as np 
import os,sys 
from keras.models import load_model 
import PIL 
from PIL import Image 
import numpy as np 
import matplotlib.pyplot as plt 

%matplotlib inline 


model = load_model('./potholes16_2.h5') 

model.compile (loss = 'binary_crossentropy', 
       optimizer = 'adam', 
       metric = ['accuracy']) 

path= os.path.abspath("./potholes14/test/positive") 



extensions = 'JPG' 

if __name__ == "__main__": 
    for f in os.listdir(path): 
     if os.path.isfile(os.path.join(path,f)): 
      f_text, f_ext= os.path.splitext(f) 
      f_ext= f_ext[1:].upper() 
      if f_ext in extensions: 
       print (f)`enter code here` 
       img = Image.open(os.path.join(path,f)) 

       new_width = 200 
       new_height = 200 
       img = img.resize((new_width, new_height), Image.ANTIALIAS) 

       #width, height= image.size 

       img = np.reshape(img,[1,new_width,new_height,3]) 
       classes = model.predict_classes(img) 
       print (classes) 

今、私は正確に予測画像の合計をカウントしたい、例えばどのように多くのクラスはクラス0またはクラス1に属していますか？

ありがとうございます。あなたはmodel.evaluate機能を呼び出すために必要

Answer 1

。そして、あなたはy_testにグランドトゥルースラベルとx_test内のデータを評価したいと仮定：

score = model.evaluate(x_test, y_test, verbose=0) 

score[0]はあなたの損失（あなたのケースでは、バイナリのクロスエントロピー）を与える、score[1]が必要なバイナリ精度が含まれていながら、 。

は、詳細（evaluateを探してスクロールダウン）のためdocsを参照してください。

Answer 2

あなたが正しいに予測されているデータのサンプル配列を持っている必要がありますか？あなたはそのデータを読み込むこともできます。そこには、かつてclasses

np.where(np.round(classes,0)==class_validation)[0].shape[0] 

を丸め等しいどこそれからちょうど見つける

classes = model.predict_classes(img) 

利回り

array([[ 0.94981687],[ 0.57888238],[ 0.58651019],[ 0.30058956],[ 0.21879381]]) 

とあなたのクラスのデータは、この

class_validation = np.array([[1],[0],[0],[0],[1]]) 

のように見える、あなたが持っているコードをキープ

注：多くがありますが、あなたのnumpyの配列がバッチでテストデータ上の

totalCorrect = class_validation[((np.round(classes,0) - class_validation)==0)] 
print('Correct in Class 1 = ',np.count_nonzero(totalCorrect),'Correct in Class 0 = ',abs(len(totalCorrect)-np.count_nonzero(totalCorrect)))