卷积神经网络识别物体个数（3）

1、模型增强

数据增强在这里与之前相比换了一种方法

原因是'Sequential' 里没有 'flow'，找了一段时间也没有找到解决方法，便把数据增强的方法换成了ImageDataGenerator

ImageDataGenerator实例：通过读取的图片执行多次随即变换实现数据增强。

显示几个随机增强后的训练图像

图像显示：

2、模型预测

传入模型和图片

遍历文件夹所有数据，返回所有文件的绝对路径列表

调用函数进行模型的读取以及图片的预测

通常使用 model.predict( ) 函数进行预测。

预测结果展示：

g

多个不同数量盘子的图片进行预测

之前读取的图片是处理过的图片，“数据采集/dish/5”文价夹里的图片都是五个盘子，为了测试更准确，便把路径改为刚通过爬虫获取到的图片，用多个不同数量盘子的图片进行预测

调用函数进行模型的读取以及图片的预测

预测结果展示：