计算机视觉(3):用inception-v3模型重新训练自己的数据模型
用inception-v3重新训练自己的数据模型
背景:
现代的图像识别模型具有数以百万计的参数,从头开始训练(Train from scratch)需要大量的样本数据以及消耗巨大的计算资源(几百个GPU),因此采用迁移学习的方式重训一个模型(Retrain a model)对于学习模型的成本较低,利用Inception-V3作为已经训练好的模型,来实现自己的图像分类识别。
inception模型文件目录介绍:
data目录:需要训练的数据放在该目录: inception_model:把下载inception模型放在该目录下:
test_images:把训练完成之后,测试图片所放目录
数据准备完成之后,按以下步骤执行:
步骤1:
windows:
运行批处理文件retrain.bat
python retrain.py ^ --bottleneck_dir bottleneck ^ #自行生成每个训练图片的数据 --how_many_training_steps 200 ^ #步数 --model_dir inception_model ^ #模型 --output_graph output_graph.pb ^ #训练后输出模型 --output_labels output_labels.txt ^ #训练后输出label --image_dir data pause
Ubuntu:
运行批处理文件retrain.sh
步骤2:
训练完成后,测试如下
Python predict.py
测试结果如下:
结论:如果测试物体不相似,识别率很高,但是如果物体形状相似,识别率则不高
源码:https://pan.baidu.com/s/1qdRmnQsRv5k3QesZxRC9QA 提取码:jipt
相关推荐
juary 2020-10-28
木瓜子 2020-08-04
yuanlunxi 2020-07-29
开源节流 2020-07-17
Samurai 2020-06-19
juary 2020-11-10
xceman 2020-10-15
guojin0 2020-10-08
cswingman 2020-10-05
数智集 2020-09-14
湾区人工智能 2020-09-14
juary 2020-09-10
littlethunder 2020-09-03
木瓜子 2020-08-31
邓肯 2020-08-30
PokiFighting 2020-08-27
ibelieveican0 2020-07-05
littlethunder 2020-06-05
wishchinYang 2020-06-03