- 1Java资料网盘分享_《java web从入门到精通》第一版光盘资源
- 2P1068 [NOIP2009 普及组] 分数线划定 Python
- 3pat甲级题库
- 4Kafka中那些巧妙的设计_kafka设计
- 5MapReduce场景应用_mapreduce的应用场景
- 6我们的系统检测到您的计算机网络中存在异常流量。此网页用于确认这些请求是由您而不是自动程序发出的。_我们的系统检测到您的计算机网络中存在异常流量。请稍后重新发送请求
- 7iOS-砸壳篇（两种砸壳方式）_ios砸壳工具
- 8Android打包系列 JAR反编译修改后重新打包_安卓 修改jar再打包
- 9学习神经网络大模型 电脑什么配置比较好？_跑大模型需要什么样电脑
- 10协议--QUIC理解_流量构成quic
用Inception-V3模型进行图像分类_inceptionv3
赞
踩
Inception-V3模型简介
本例使用预训练好的深度神经网络Inception-v3模型来进行图像分类。Inception-v3模型在一台配有 8 Tesla K40 GPUs，大概价值$30,000的野兽级计算机上训练了几个星期，因此不可能在一台普通的PC上训练。我们将会下载预训练好的Inception模型，然后用它来做图像分类。
ImageNet数据集简介
ImageNet数据集包含1500万张图片，22000个类别。其子集对应的是目前最权威的图片分类竞赛LSVRC，包含100万张图片和1000个类别。
谷歌在大型图像数据库ImageNet上训练好了一个Inception-v3模型，这个模型可以直接用来进行图像分类。
输入：一张图片；
输出：与输入图相匹配的库内图片名及匹配分数。
工程文件
工程文件如下：
1. 
2. 
3. 
4. 
5. 
6.
运行
1. 点击“开始”——选择“Anaconda Prompt”，如下所示；
2. 由于工程文件存放在E盘下，首先，需要修改目录路径，进入E盘；然后，再使用cd 进入各目录，如下所示：
3. 最后，使用python 文件名，运行即可，如下图所示：
结果
1. 输入为猫时，例图如下：
运行，获得库内分数最高的前5个（即获得输入图的类别），结果如下：
修改目标图为熊猫
1. 如果将目标图改为熊猫，例图为：
打开Classify.py文件，代码做如下修改：
运行结果如下：
2. 在 文件内，查找panda，即可找到所有panda：
修改目标图为鹦鹉
1. 如果将目标图修改为鹦鹉，例图为：
代码修改为：
2. 在Anaconda Prompt内输入python Classify.py，运行结果如下：
3. 由于Inception模型适用于299 * 299像素的输入图像。例子中的鹦鹉图像为320 * 785像素的图像，因此它将由Inception模型自动缩放。
4. 手动裁剪鹦鹉图像为299 * 299像素大小，然后输入到Inception模型中，例图如下：
代码修改为：
运行结果如下：
5. 修改鹦鹉图，只保留尾部，例图如下：
代码修改为：
运行结果为：
