深度学习（VGG16）的可视化界面
问题遇到的现象和发生背景
想对VGG16算法做一个可视化窗口处理，但是运行app.py(系统部分)时最终还是predict.py文件运行，系统窗口没有显示出来
个人感觉是系统代码中result部分出错
result = Classification.detect_image(img)
或者是predict那边有问题？
这是我想要运行app.py时出现的窗口
这是我实际运行app.py时出现了predict.py的窗口
想请问一下大家该怎么解决？
以下是代码部分
这是预测部分的代码
from PIL import Image
from classification import Classification
classfication = Classification()
while True:
img = input('Input image filename:')
try:
image = Image.open(img)
except:
print('Open Error! Try again!')
continue
else:
class_name = classfication.detect_image(image)
print(class_name)
这是系统界面结果显示功能按键的代码
def recognition(self):
global imgName
model_ = torch.load('D:/study/classification-pytorch-main/logs/best_epoch_weights.pth')
img = cv2.imread(imgName)
img = img.reshape((1, 252, 324, 3))
img = img.astype('float32')
img = img / 255.0
result = Classification.detect_image(img)
max_index = np.argmax(result)
label = ["F。","L。"]
self.label.setText(label[max_index])
self.label.setAlignment(Qt.AlignCenter)
- 这篇博客: 语义分割-地表建筑物识别的一种解决方案中的 2，predict.py预测部分 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
from nets.segnet import mobilenet_segnet import copy import os import random import numpy as np from PIL import Image if __name__ == "__main__": #---------------------------------------------------# # 定义了输入图片的颜色，当我们想要去区分两类的时候 # 我们定义了两个颜色，分别用于背景和斑马线 # [0,0,0], [0,255,0]代表了颜色的RGB色彩 #---------------------------------------------------# class_colors = [[0,0,0],[0,255,0]] #---------------------------------------------# # 定义输入图片的高和宽，以及种类数量 #---------------------------------------------# HEIGHT = 416 WIDTH = 416 #---------------------------------------------# # 背景 + 斑马线 = 2 #---------------------------------------------# NCLASSES = 2 directory1 = r'C:\Users\Administrator\Desktop\MY-SegNet_Mobile' os.chdir(directory1) #设定当前工作路径 #---------------------------------------------# # 载入模型 #---------------------------------------------# model = mobilenet_segnet(n_classes=NCLASSES,input_height=HEIGHT, input_width=WIDTH) #--------------------------------------------------# # 载入权重，训练好的权重会保存在logs文件夹里面 # 我们需要将对应的权重载入 # 修改model_path，将其对应我们训练好的权重即可 # 下面只是一个示例 #--------------------------------------------------# model.load_weights("logs/ep002-loss0.290-val_loss0.457.h5") #及时更新损失小的权重 #--------------------------------------------------# # 对imgs文件夹进行一个遍历 #--------------------------------------------------# imgs = os.listdir("./img/") #读取文件的目录 for jpg in imgs: #--------------------------------------------------# # 打开imgs文件夹里面的每一个图片 #--------------------------------------------------# img = Image.open("./img/"+jpg) old_img = copy.deepcopy(img) orininal_h = np.array(img).shape[0] #获取图片的高和宽 orininal_w = np.array(img).shape[1] #--------------------------------------------------# # 对输入进来的每一个图片进行Resize # resize成[HEIGHT, WIDTH, 3] #--------------------------------------------------# img = img.resize((WIDTH,HEIGHT), Image.BICUBIC) img = np.array(img) / 255 img = img.reshape(-1, HEIGHT, WIDTH, 3) #--------------------------------------------------# # 将图像输入到网络当中进行预测 #--------------------------------------------------# pr = model.predict(img)[0] pr = pr.reshape((int(HEIGHT/2), int(WIDTH/2), NCLASSES)).argmax(axis=-1) #------------------------------------------------# # 创建一副新图，并根据每个像素点的种类赋予颜色 #------------------------------------------------# seg_img = np.zeros((int(HEIGHT/2), int(WIDTH/2),3)) for c in range(NCLASSES): seg_img[:, :, 0] += ((pr[:,: ] == c) * class_colors[c][0]).astype('uint8') seg_img[:, :, 1] += ((pr[:,: ] == c) * class_colors[c][1]).astype('uint8') seg_img[:, :, 2] += ((pr[:,: ] == c) * class_colors[c][2]).astype('uint8') seg_img = Image.fromarray(np.uint8(seg_img)).resize((orininal_w,orininal_h)) #------------------------------------------------# # 将新图片和原图片混合 #------------------------------------------------# image = Image.blend(old_img,seg_img,0.3) image.save("./img_out/"+jpg) - 以下回答来自chatgpt:
根据参考资料中的提示，predict.py文件中的代码是用来进行图像分割预测并输出结果的，而app.py文件作为一个可视化界面，在预测完成后需要将结果显示出来。那么问题可能出在app.py文件中，需要对其进行修改，使其能够正确显示结果。具体步骤如下：
确认app.py文件中显示predict.py内容的窗口是否是正确的，如果是错误的窗口，需要找到正确的窗口进行修改。
找到窗口显示内容的代码，一般以类似
tk.Label(window, text="xxx")的方式实现，需要将其中的text改为predict.py输出的结果。修改显示结果的代码，需要将predict.py输出的结果载入到app.py中，并将其显示在窗口中。具体实现可以使用以下代码：
from predict import predict ... result = predict(data) label.config(text=result) ...其中，
data为需要输入到predict函数中进行预测的数据，predict函数是参考资料中给出的函数，在这里需要进行引用。label是窗口中显示结果的标签，可以使用tk.Label进行创建，并在窗口中摆放展示出来。修改之后再次运行程序即可看到正确的结果展示在相应窗口中。如果在修改app.py文件后仍然无法正确显示结果，可以考虑查看是否有其他程序或配置出现了异常，或者是否需要进行更多的调试。
如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^