2 class image classification

import os

import numpy as np

import matplotlib.pyplot as plt

from keras.models import Sequential

from keras.layers import Dense, Dropout, Flatten, Conv2D, MaxPooling2D

from keras.utils import np_utils

#from keras.preprocessing.image import load_img, img_to_array

from tensorflow.keras.preprocessing.image import load_img, img_to_array



# 데이터 경로 설정

train_dir = 'train/'

test_dir = 'test/'



# 클래스 개수 설정

num_classes = 2



# 이미지 크기 설정

img_width, img_height = 224, 224



# 데이터 전처리 함수

def preprocess_image(image_path):

    # 이미지 불러오기

    img = load_img(image_path, target_size=(img_width, img_height))

    # 이미지 배열로 변환

    x = img_to_array(img)

    # 배열 차원 변경

    x = np.expand_dims(x, axis=0)

    # 배열 정규화

    x /= 255.

    return x



# 데이터 불러오기

train_data = []

train_labels = []

test_data = []

test_labels = []



for subdir, dirs, files in os.walk(train_dir):

    for file in files:

        # 이미지 경로 설정

        img_path = os.path.join(subdir, file)

        # 데이터 전처리

        img = preprocess_image(img_path)

        label = int(subdir.split('/')[-1])

        train_data.append(img)

        train_labels.append(label)



for subdir, dirs, files in os.walk(test_dir):

    for file in files:

        # 이미지 경로 설정

        img_path = os.path.join(subdir, file)

        # 데이터 전처리

        img = preprocess_image(img_path)

        label = int(subdir.split('/')[-1])

        test_data.append(img)

        test_labels.append(label)



# 데이터 배열로 변환

train_data = np.vstack(train_data)

train_labels = np.array(train_labels)

test_data = np.vstack(test_data)

test_labels = np.array(test_labels)



# 클래스 벡터를 이진 벡터로 변환

train_labels = np_utils.to_categorical(train_labels, num_classes)

test_labels = np_utils.to_categorical(test_labels, num_classes)



# 모델 생성

model = Sequential()



model.add(Conv2D(32, (3, 3), padding='same', activation='relu', input_shape=train_data.shape[1:]))

model.add(Conv2D(32, (3, 3), activation='relu'))

model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Dropout(0.25))







model.add(Conv2D(64, (3, 3), padding='same', activation='relu'))

model.add(Conv2D(64, (3, 3), activation='relu'))

model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Dropout(0.25))



model.add(Flatten())

model.add(Dense(512, activation='relu'))

model.add(Dropout(0.5))

model.add(Dense(num_classes, activation='softmax'))



# 모델 컴파일

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])



# 모델 학습

history = model.fit(train_data,train_labels, batch_size=128, epochs=10)

#history = model.fit(train_data,train_labels, batch_size=128, epochs=10, validation_data=(X_test, y_test))



# 모델 평가

score = model.evaluate(test_data, test_labels, verbose=0)



print(score) 

#print('Test loss:', score[0])

#print('Test accuracy:', score[1])



print('!!',model.predict(test_data))



#[ [0.9951521  0.00484788], [0.         1.        ] ]

#[ 0  ,  1 ]

#[검정,흰색]

# 검정test  0 이 94%

#흰test  1이 100%