基于tensorflow + Vgg16进行图像分类识别的实验
2017-11-26 22:37
417 查看
图像分类识别目前已经得到了很大的飞跃,特别是15年微软提出的resnet已经超越人类,能够对图像中的物体进行更好的识别。
为了初步了解一下图像分类识别的过程,学习了一下大牛的主页,发现还是很有意思的。而且从imagenet的角度来说,这个经度还是可以接受的。
本实验主要参照了这个网页https://www.cs.toronto.edu/~frossard/post/vgg16/来进行。
VGG is a convolutional neural network modelproposed by K. Simonyan and A. Zisserman from the University of Oxford in thepaper “Very Deep Convolutional Networks for Large-Scale Image Recognition” . The model achieves 92.7% top-5 testaccuracy in ImageNet ,
which is adataset of over 14 million images belonging to 1000 classes.
vgg-16是一种深度卷积神经网络模型,16表示其深度,是alexnet后比较有代表性的深度模型之一,在图像分类等任务中取得了不错的效果。
为了更好地理解Vgg 16的原理,利用tensorflow进行了实践,发现利用预先训练好的模型,识别的速度非常之快。大约2秒钟就能出现结果。
(1) 实验一,对枪的检测实验
分类识别效果比例非常高,可以。
(2)小拼图的测试
检测效果也比较强,第一个出来就是。
(3)老虎的检测
对老虎的检测,也非常不错。
(4)多场景的检测
这里面居然把高山,教堂,城堡,山谷等都识别出来了,效果非常不错,虽然各种精度不高,但是类别是齐全的。
为了初步了解一下图像分类识别的过程,学习了一下大牛的主页,发现还是很有意思的。而且从imagenet的角度来说,这个经度还是可以接受的。
本实验主要参照了这个网页https://www.cs.toronto.edu/~frossard/post/vgg16/来进行。
VGG is a convolutional neural network modelproposed by K. Simonyan and A. Zisserman from the University of Oxford in thepaper “Very Deep Convolutional Networks for Large-Scale Image Recognition” . The model achieves 92.7% top-5 testaccuracy in ImageNet ,
which is adataset of over 14 million images belonging to 1000 classes.
vgg-16是一种深度卷积神经网络模型,16表示其深度,是alexnet后比较有代表性的深度模型之一,在图像分类等任务中取得了不错的效果。
为了更好地理解Vgg 16的原理,利用tensorflow进行了实践,发现利用预先训练好的模型,识别的速度非常之快。大约2秒钟就能出现结果。
(1) 实验一,对枪的检测实验
分类识别效果比例非常高,可以。
(2)小拼图的测试
检测效果也比较强,第一个出来就是。
(3)老虎的检测
对老虎的检测,也非常不错。
(4)多场景的检测
这里面居然把高山,教堂,城堡,山谷等都识别出来了,效果非常不错,虽然各种精度不高,但是类别是齐全的。
相关文章推荐
- 基于tensorflow + Vgg16进行图像分类识别的实验
- 基于tensorflow + Vgg16进行图像分类识别的实验
- 基于tensorflow + Vgg16进行图像分类识别
- Tensorflow利用训练好的Inception模型进行图像识别分类
- 基于Pre-Train的CNN模型的图像分类实验
- 机器学习实验报告:利用3层神经网络对CIFAR-10图像数据库进行分类
- Matlab图像识别/检索系列(6)-10行代码完成深度学习网络之基于CNN的图像分类
- 基于BOW的图像分类识别算法实现步骤
- 【开发日记】马桶识别之马桶分类,利用百度人工智能定制化图像识别进行分类
- Matlab图像识别/检索系列(6)-10行代码完成深度学习网络之基于CNN的图像分类
- 使用支持向量机(分类)对手写体数字图像进行识别
- 读书笔记之《基于深度学习的高分辨率遥感图像识别与分类研究》
- 基于 VGG16 深度学习预训练权重的图像分类预测实验
- 基于图像识别的微信游戏“跳一跳”自动控制实验
- 机器学习实验(五):用迁移学习方法基于keras建立卷积神经网络进行人体动作识别(HAR)
- 识别有效的IP地址和掩码并进行分类统计
- 我的毕设 图像处理 基于ARM车牌识别
- 基于OpenCV读取摄像头进行人脸检测和人脸识别
- 基于深度卷积特征的增量式图像识别
- 【2】coreML基于图像的处理(图像识别)