基于卷积神经网络的猫狗识别系统的设计与实现

1．1 题目的主要研究内容

（1）工作的主要描述

        通过卷积网络实现猫狗图像的识别。首先，在数据集中抽取训练集和测试集；其次，对图像进行预处理和特征提取，对图像数据进行图像增强，将图像从.jpg格式转化为RGB像素网格，再转化为像素张量；再次，搭建卷积神经网络模型；最后，使用模型进行训练，得到猫狗识别的准确率和二元交叉熵损失及其可视化图像，并对模型进行测试。

（2）系统流程图

1．2 题目研究的工作基础或实验条件

（1）系统：Windows 10

       处理器：i7-7700HQ CPU @2.80GHz

（2）编程软件：Pycharm

       版本：Python 3.7

1．3 数据集描述

      数据集中共有25000张图片，其中猫狗图片各12500张，在数据集中抽取一部分作为训练集和测试集。训练集中猫狗图片各3000张，测试集猫狗图片各1000张。

1．4 特征提取过程描述

      为了防止模型过拟合，采用图像增强的方法，利用ImageDataGenerator方法调整参数对图像进行增强。将所有图片重设尺寸大小为150*150大小，并使用 ImageDataGenerator 方法将本地图片.jpg格式转化成RGB像素网格，再转化成浮点张量上传到网络上，将像素值（介于0和255之间）重新缩放到[0，1]间隔。ImageDataGenerator参数介绍如下：

参数名	含义