基于mobileNet实现狗的品种分类(迁移学习)

      最后更新：2022-08-01 11:22:53 手机定位技术交流文章

      基于mobileNet实现狗的品种分类

      • 一、数据集介绍
      • 二、实战
        • 2.1 数据预处理
          • 2.1.1 第1步：对labels标签的预处理
          • 2.1.步骤2:预处理图像数据
        • 2.2迁徙学习和模型调制
        • 2.3模型培训、核查和测试
        • 2.4 模型预测
        • 2.5 模型保存

      一、数据集介绍

      数据集下载地址： https://www.kaggle.com/datasets/carlosmiao/dogbreedidentification

      image-20220731104127861

      狗的品种共120种

      1022训练图片

      火车和测试文件夹里有照片

      csv类型记录与图像相对应的标签值。

      image-20220731104219935

      image-20220731104313772

      至于移动网络模型,我们在这方面没有做很多事情,只是学习迁移。当然,你可以完全定义自己的网络

      二、实战

      2.1 数据预处理

      2.1.1 第1步：对labels标签的预处理

      image-20220731104617385

      image-20220731104634548

      image-20220731104649513

      image-20220731104707305

      image-20220731104721995

      image-20220731104746381

      image-20220731104813203

      image-20220731104827955

      image-20220731104845610

      image-20220731104856220

      image-20220731104920114

      2.1.步骤2:预处理图像数据

      image-20220731104958345

      image-20220731105016177

      image-20220731105031898

      image-20220731105124817

      image-20220731105142289

      验证机图片数量：

      image-20220731105202595

      image-20220731105255860

      image-20220731105322800

      image-20220731105400091

      image-20220731105421630

      image-20220731105441486

      2.2迁徙学习和模型调制

      image-20220731105536759

      2.3模型培训、核查和测试

      这里我的电脑的闪光卡太垃圾了,只要设置 Epochs=10,你可以根据自己的硬件进行适当的调整

      image-20220731105716920

      image-20220731105758840

      image-20220731105827348

      image-20220731105846917

      image-20220731105910681

      image-20220731105927490

      image-20220731105949653

      image-20220731110004457

      image-20220731110020434

      image-20220731110034897

      image-20220731110128045

      2.4 模型预测

      这里你可以从互联网下载柯克的照片来测试

      image-20220731110242082

      image-20220731110259858

      image-20220731110323515

      image-20220731110335379

      正如你可以看到,预测的确是柯克,这证明了我们的模型仍然相当好。

      但是硬件太拉垮了， 一些行动是微芯片的局限性 。

      2.5 模型保存

      image-20220731110516566

      image-20220731110531418

      保存预装不是问题, 然后转移学习是完成的.

      本文由 在线网速测试 整理编辑，转载请注明出处，原文链接：https://www.wangsu123.cn/news/31129.html。

          热门文章

          文章分类