Ich habe gerade angefangen, die Keras-Anwendungen zu versuchen. Das Beispiel für resnet50 funktioniert einwandfrei. Allerdings denkt das Modell inception_v3, dass mein Elefant ein Sportwagen ist. Wo gehe ich falsch?Warum erkennt keras.applications nicht meinen Elefanten?
from keras.applications.inception_v3 import InceptionV3
from keras.layers import Input
from keras.preprocessing import image
from keras.applications.resnet50 import preprocess_input, decode_predictions
import numpy as np
model = InceptionV3(weights='imagenet', include_top=True)
img_path = 'elephant.jpg'
img = image.load_img(img_path, target_size=(299, 299))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)
preds = model.predict(x)
# decode the results into a list of tuples (class, description, probability)
# (one such list for each sample in the batch)
print('\nPredicted:', decode_predictions(preds, top=10)[0])
Predicted: [('n04285008', 'sports_car', 0,58716565), ('n04041544', 'Radio', 0,19915217), ('n03535780', 'horizontal_bar', 0,11363289), ('n03691459' , 'Lautsprecher', 0.059153806), ('n01669191', 'box_turtle', 0.012588425), ('n04286575', 'Spotlight', 0.0068869498), ('n03594945', 'jeep', 0.005987139), ('n01728920', ' ringneck_snake‘, 0,0050685192), ('n03637318', 'Schirm', 0,0020551293), ('n03000134', 'chainlink_fence', 0,00168875)]
Wenn es irgendeine Hilfe ist: Der Titel Ihrer Frage ließ mich kichern .. Auch sollten Sie Ihren Sportwagen überprüfen, da könnte eine Schlange drin sein. –