新浪体育_新浪体育直播 10年专注环保设备研发制造 环保设备【http://droidcellphone.com】系统设计\制作\安装一条龙服务
新浪体育直播 中文网址:【麻豆视频.COM】
当前位置:新浪体育直播 > 新浪体育直播 > 案例分类2 >
15

图像分类案例2

作者:admin 来源:未知 时间:1622648525 点击:

[文章前言]:在本节中,我们将解决Kaggle竞赛中的犬种识别挑战,比赛的网址是在这项比赛中,我们尝试确定120种不同的狗。该比赛中使用的数据集实际上是著名的ImageNet数据集的子集。 train和test目

  在本节中,我们将解决Kaggle竞赛中的犬种识别挑战,比赛的网址是在这项比赛中,我们尝试确定120种不同的狗。该比赛中使用的数据集实际上是著名的ImageNet数据集的子集。

  train和test目录下分别是训练集和测试集的图像,训练集包含10,222张图像,测试集包含10,357张图像,图像格式都是JPEG,每张图像的文件名是一个唯一的id。labels.csv包含训练集图像的标签,文件包含10,222行,每行包含两列,第一列是图像id,第二列是狗的类别。狗的类别一共有120种。

  从训练集中划分出验证数据集,用于调整超参数。划分之后,数据集应该包含4个部分:划分后的训练集、划分后的验证集、完整训练集、完整测试集

  对于4个部分,建立4个文件夹:train, valid, train_valid, test。在上述文件夹中,对每个类别都建立一个文件夹,在其中存放属于该类别的图像。前三个部分的标签已知,所以各有120个子文件夹,而测试集的标签未知,所以仅建立一个名为unknown的子文件夹,存放所有测试数据。

  这个比赛的数据属于ImageNet数据集的子集,我们使用微调的方法,选用在ImageNet完整数据集上预训练的模型来抽取图像特征,以作为自定义小规模输出网络的输入。

  此处我们使用与训练的ResNet-34模型,直接复用预训练模型在输出层的输入,即抽取的特征,然后我们重新定义输出层,本次我们仅对重定义的输出层的参数进行训练,而对于用于抽取特征的部分,我们保留预训练模型的参数。

  用训练好的模型对测试数据进行预测。比赛要求对测试集中的每张图片,都要预测其属于各个类别的概率。

  以上就是小编为大家介绍的图像分类案例2的全部内容,如果大家还对相关的内容感兴趣,请持续关注江苏某某环保设备有限公司

  本文标题:图像分类案例2  地址:/case/alfl2/1075.html



欢迎来到:❥❥新浪体育直播❤droidcellphone.com❤新浪体育直播,赛事活动,参加的玩家都可以活动福利礼包,游戏的玩法也很解压,全方位碾压你的游戏库。

XML地图 新浪体育直播

环保设备公司,10年品牌打造行业正规!

【Copyright ©2017-2021 新浪体育_新浪体育直播 】  版权所有

网站地图 新浪体育直播