如何将灰度图像数据集加载到 MobileNet 模型中

Question

我正在尝试加载灰度图像数据集(fashion-mnist)到MobileNet模型并预测手写数字，但是根据此教程，该模型只能加载RGB图像。当我尝试输入fashion-mnist样本时，它给出了以下错误信息：

Error when checking input: expected keras_layer_13_input to have shape (224, 224, 3) but got array with shape (224, 224, 1)

如何解决这个问题？

- rasindu alwis

---

欢迎来到stackoverflow。请提供一个最小、完整和可验证的示例，我们会为您提供帮助。 - gehbiszumeis

Answer 1

也许预先训练的MobileNet不适用于这个任务。您有两个不同的问题。Mobilenet是为Imagenet图像而设计的，这些图像具有224x224图像和3个彩色通道，而MNIST数据集是28x28图像和一个彩色通道。您可以在RGB中重复颜色通道：

# data.shape [70000, 224, 224, 1] -> [70000, 224, 224, 3]
data = np.repeat(data, 3, -1)

但在此之前，您需要调整图像大小。例如，您可以使用PIL来调整图像大小：

from PIL import Image

data = np.array([Image.fromarray(x).resize([224,224]) for x in data])

这里有一些小细节需要你自己解决。例如，如果你从数据集中加载了numpy格式的图像，则需要确定图像的dtype。你可能需要使用np.uint8()将numpy类型转换为整数。

- Mehdi

---

TensorFlow的等效代码为：tf.tile(data, [1, 1, 1, 3])。 - BiBi

我正在使用以下代码从数据集中加载数据：splits, info = tfds.load('mnist', with_info=True, as_supervised=True, split=splits)。那么如何将上述解决方案应用于此问题呢？ - rasindu alwis

hub.KerasLayer(CLASSIFIER_URL, input_shape=(224, 224, 3)) 这是我调整图像大小的方法。 - rasindu alwis

那么，最好的方法是什么？我们不能使用MobileNet模型来预测灰度图像吗？ - rasindu alwis

我尝试添加更多的解释。在我的解决方案中，我使用了numpy。也许，在tensorflow中还有其他的解决方案。例如：https://www.tensorflow.org/api_docs/python/tf/image/resize_images - Mehdi

Answer 2

Mobilenet v2需要RGB格式。您也可以尝试使用PIL的转换功能。

请尝试以下操作：

from PIL import Image
x= Image.open(input_image).resize((96,96)).convert("RGB")

这里有相关的文档：https://pillow.readthedocs.io/en/stable/reference/Image.html

- uhaz

Answer 3

尝试这个，x = np.stack((x,)*3, axis=-1)。请参考此链接获取更多详细信息：https://github.com/malnakli/ML/blob/master/tf_serving_keras_mobilenetv2/main.ipynb

- uhaz