向AI转型的程序员都关注了这个号👇👇👇
人工智能大数据与深度学习 公众号:datayx
人民币作为我国法定货币,与生俱来,人见人爱。它在我们日常生活中的重要性不言而喻,每张人民币纸币都有一串唯一的字符号码,是人民币的重要标识。由于这串序列号的唯一性,若能在纸币识别装置上添加编码识别,让每张人民币的行走轨迹都可以被记录并存储,这样人民币都能进入银行监管之内,不仅有助于识别假币,还可以很大程度上协助攻破抢劫,盗窃人民币等非法事件。人民币编码识别技术在日常生活中具有很好的实用价值。
数据集说明:
train_data.zip:此数据集用于训练模型,图片为第四套人民币中的某一张。共包含39620张图片。该文件采用分卷压缩方式,下载至一个文件夹下解压缩即可
train_face_value_label.csv:train_data.zip对应的面额标签。数据共有两列,name和label,name为train_data中对应的文件名,label为对应的面值,共有9种面值,分别编号为 0.1,0.2,0.5,1,2,5,10,50,100,单位为元。
public_test_data.zip:共有20000张图片。将训练好的模型得出的面额识别结果,上传到TinyMind对应测评系统,得到评分与排名。该文件采用分卷压缩方式,下载至一个文件夹下解压缩即可。
查看每种货币的样本数量是否倾斜
可以看出数据分布十分均匀, 图片数据也十分干净
应该不需要所有的数据投入训练, 可以成倍加快训练速度
为了增加数据的鲁棒性,增加了数据的左右切割,以及数据小角度旋转
InceptionResNetV2 迁移学习
谷歌开放了 Inception-ResNet-v2,这是一个在 ILSVRC 图像分类基准上取得顶尖准确率的卷积神经网络。Inception-ResNet-v2 是早期发布的 Inception V3 模型的变体,该模型借鉴了微软 ResNet 论文中的思路。具体内容可在我们的论文:Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning 中看到。
残差连接(Residual connections )允许模型中进行 shortcut,也使得研究员能成功的训练更深的神经网络从而产生更好的性能。这也使得 Inception 块的极度简单化成为可能。
举个例子,Inception V3 和 Inception-ResNet-v2 模型在识别犬种上都很擅长,但新模型做的更好。例如,旧模型错误报告右图中的狗是阿拉斯加雪橇犬,而新的 Inception-ResNet-v2 模型准确识别了两张图片中的狗的种类。
应用Inception-ResNet-v2 预训练模型做迁移学习做人民币面值识别
相关项目代码 方式:
关注微信公众号 datayx 然后回复 人民币 即可获取。
AI项目体验地址 https://loveai.tech
开始训练模型
Epoch 1/1
396/396 [==============================] - 953s 2s/step -
loss: 0.5867 - acc: 0.8205 - val_loss: 0.0167
- val_acc: 0.9991
20000, 32, 625
625/625 [==============================] - 1129s 2s/step
Index(['name', ' label'], dtype='object')
weight save to ./output/model-inception_resnet_v0-27.h5
Epoch 1/1
396/396 [==============================] - 1027s 3s/step -
loss: 0.0288 - acc: 0.9957 - val_loss: 0.0118
- val_acc: 0.9991
625/625 [==============================] - 1055s 2s/step
Index(['name', ' label'], dtype='object')
weight save to ./output/model-inception_resnet_v1-27.h5
阅读过本文的人还看了以下文章:
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加: datayx
长按图片,识别二维码,点关注
AI项目体验
https://loveai.tech