图像处理8-CNN图像分类

图像处理系列

图像处理1-经典空间域增强——灰度映射

图像处理2-经典空间域增强——直方图均衡化

图像处理3-经典空间域增强——空域滤波

图像处理4-图像的傅里叶变换

图像处理5-图片加噪

图像处理6-大津法图像阈值分切

图像处理7-图像增强

一、内容

（1）利用Pytorch搭建简单的CNN网络实现图像分类，并测试分类效果（更多步骤可参考https://www.stefanfiott.com/machine-learning/cifar-10-classifier-using-cnn-in-pytorch/）；

（2）修改网络模型，进行新的训练，并测试分类效果；

（3）撰写实验报告。

二、使用简单的CNN网络进行图像分类

1.导入包

       使用图2.1的代码导入包。

 

图2.1 导入包

2.数据下载、增强和划分

       使用图2.2的代码进行数据下载、增强和划分数据集。

 

图2.2 数据下载、增强、划分

3.神经网络定义

       使用图2.3的代码定义一个简单的CNN神经网络。

 

图2.3 定义简单的CNN神经网络

4.定义优化器

       使用图2.4的代码定义优化器。

图2.4 定义优化器

5.训练和保存神经网络

       使用图2.5的代码训练定义的模型，并保存，输出如图2.6。

 

图2.5 神经网络训练与保存

 

图2.6 模型训练输出

6.测试神经网络

a.准确率

       使用图2.7的代码，计算准去率，最后得到准确率为62.17%。