[keras] 색상있는 이미지 분류하기1

[keras] 색상있는 이미지 분류하기

---

앞선 시간에서 다운 받은 categories101 이미지를 이용하여 사진의 카테고리를 분류 시켜보겠다. 데이터의 카테고리가 101개 카테고리 속에 60개가 넘는 데이터가 있다, 많은 양의 데이터를 사용하기는 부담스러우니깐 몇개의 카테고리 만으로 테스트를 해보겠다. 우선은 이 카테고리의 데이터를 바로 머신러닝에 사용할 수 있는 데이터 형태로 바꾸어 보면서 keras에 쓰인 함수가 무슨의미가 있는지 알아보겠다.

머신러닝용 데이터 만들기

import os, re, glob
import cv2
import numpy as np
from sklearn.model_selection import train_test_split

imagePath = '../images/101'
categories = ["chair", "ant", "airplanes", "barrel", "bass", "crab", "camera", "butterfly", "elephant", "flamingo"] 
nb_classes = len(categories)

image_w = 64
image_h = 64

X = []
Y = []

for idx, cat in enumerate(categories):
    label = [0 for i in range(nb_classes)]
    label[idx] = 1
    image_dir = imagePath+'/'+cat+'/'

    for top, dir, f in os.walk(image_dir):
        for filename in f:
            print(image_dir+filename)
            img = cv2.imread(image_dir+filename)
            img = cv2.resize(img, None, fx=64/img.shape[1], fy=64/img.shape[0])
            X.append(img/256)
            Y.append(label)

X = np.array(X)
Y = np.array(Y)
X_train, X_test, Y_train, Y_test = train_test_split(X,Y)
xy = (X_train, X_test, Y_train, Y_test)

np.save("./obj.npy", xy)

3: categories = ["chair", "ant", "airplanes", "barrel", "bass", "crab", "camera", "butterfly", "elephant", "flamingo"]  사용할 카테고리 설정

25: img = cv2.resize(img, None, fx=64/img.shape[1], fy=64/img.shape[0]) 원본이미지는 그대로 사용하면 메모리적으로 손해니 64*64사이즈로 줄인다.

26: X.append(img/256) 각 픽셀은 0에서 255까지 표현할 수 있으므로 256으로 나누어 준다.

31: X_train, X_test, Y_train, Y_test = train_test_split(X,Y) X,Y데이터를 자동으로 머신러닝에서 사용할 수 있도록 자동으로 훈련데이터와 테스트 데이터를 구분시켜준다. 

path는 각자의 환경에 맞게 바꾸어 주시면 됩니다.