我有一个图像数据集和一个.csv文件,其中包含这些图像的名称以及与每个图像相关联的一些值(范围为1-5)。 例如图像数据集,该值给出的降雨量范围为1(最低)-5(最高)。该值甚至可以是小数,例如2.5。
我已经开发了一个用于图像分类的模型,在该模型中,我对图像值进行了四舍五入并将整个数据集分为5类,并将5个文件夹输入到模型中。
|data folder1 (training)
|train_data_dir
|class1
|image1.jpg
|..
| image100.jpg
|class2
|image1.jpg
|..
| image100.jpg
|class5
|image1.jpg
|..
| image100.jpg
|data folder2 (test) similar as above
*model description*
x = Dense(1024,activation="relu")(x)<br>
x = Dropout(0.5)(x) <br>
...
*train_generator = train_datagen.flow_from_directory(train_data_dir,target_size=(img_height,img_width),batch_size=batch_size,class_mode="categorical")*
现在,我想为同一问题设计一个回归模型。 我想知道如何输入图像(例如image.jpeg)及其对应值(保存在data.csv中)并将其作为输入发送到神经网络吗?
|data folder1 (training)
|images folder
|image1.jpg
|..
| image500.jpg
|data.csv
|image name
|rainfall amount (1-5) including fractions
|data folder2 (test) similar as above