【深度学习基础】数字手势识别实验:1.任务描述
2017-10-04 21:48
417 查看
本实验系列文章目录如下,相关代码(python)托管在我的Github - SIGNS experiment,欢迎访问;
1.任务描述
2.MLP
3.Momentum
4.Batch-Norm
5.Dropout
6.迁移学习
7.CNN
本实验希望通过搭建神经网络模型,对手势图像进行识别,给出对应的数值结果。
训练集: 1080张彩色图片(RGB),每张图64×64像素,手势对应数值[0~5](均匀分布).
测试集: 120张彩色图片(RGB),每张图64×64像素,手势对应数值[0~5](均匀分布).
抽取部分样本图片显示如下图示:
数据集加载测试代码见data_load_test
下面,我们将从一个简单MLP(多层感知机)开始进行具体的实验设计与实现。
下一篇:数字手势识别实验:2.MLP
1.任务描述
2.MLP
3.Momentum
4.Batch-Norm
5.Dropout
6.迁移学习
7.CNN
数字手势识别实验:1.任务描述
任务背景
数字手势,是指用手势象征数字的方式(一般是手指伸缩组合),如下所示:本实验希望通过搭建神经网络模型,对手势图像进行识别,给出对应的数值结果。
数据集
这里的实验数据借用coursera上deeplearning课程所提供的SIGNS数据集(单手数字手势)(下载地址),该数据集分训练集(Training set)和测试集(Test set)两部分。其中:训练集: 1080张彩色图片(RGB),每张图64×64像素,手势对应数值[0~5](均匀分布).
测试集: 120张彩色图片(RGB),每张图64×64像素,手势对应数值[0~5](均匀分布).
抽取部分样本图片显示如下图示:
数据集加载测试代码见data_load_test
下面,我们将从一个简单MLP(多层感知机)开始进行具体的实验设计与实现。
下一篇:数字手势识别实验:2.MLP
相关文章推荐
- 【深度学习基础】数字手势识别实验:2.MLP
- 机器学习深度学习基础笔记(2)——梯度下降之手写数字识别算法实现
- TensorFlow 深度学习框架(6)-- mnist 数字识别及不同模型效果比较
- 深度学习-CNN卷积神经网络使用TensorFlow框架实现MNIST手写数字识别
- 用MXnet入门实战深度学习之一:安装GPU版mxnet并跑一个MNIST手写数字识别
- 用MXnet实战深度学习之一:安装GPU版mxnet并跑一个MNIST手写数字识别 (zz)
- 深度学习:多层感知机MLP数字识别的代码实现
- 用MXnet实战深度学习之一:安装GPU版mxnet并跑一个MNIST手写数字识别
- TensorFlow 深度学习框架(6)-- mnist 数字识别及不同模型效果比较
- 零基础深度学习笔记6——Keras-CNN-MNIST 手写数字辨识资料集
- 用MXnet实战深度学习之一:安装GPU版mxnet并跑一个MNIST手写数字识别
- 深度学习Deeplearning4j 入门实战(2):Deeplearning4j 手写体数字识别Spark实现
- 深度学习-使用cuda加速卷积神经网络-手写数字识别准确率99.7%
- [深度学习基础] 1. 图像识别问题的挑战及数据驱动过程
- 用MXnet入门实战深度学习之一:安装GPU版mxnet并跑一个MNIST手写数字识别
- TensorFlow 深度学习框架(6)-- mnist 数字识别及不同模型效果比较
- 深度学习引论(四):手写数字识别(Step by step)
- 用MXnet入门实战深度学习之一:安装GPU版mxnet并跑一个MNIST手写数字识别
- 机器学习/深度学习个人进阶日志-基于Tensorflow的手写数字识别进阶
- 深度学习框架Caffe学习笔记(2)-MNIST手写数字识别例程