创意项目_用PaddleHub抠图后再分类

创意项目_用PaddleHub抠图后再分类

最近参加百度PaddlePaddle（https://paddlepaddle.org.cn/）的线上师资培训，学习好了很多好东西，和我之前所用的pytorch,tensorflow相比，模型框架类似，关键在于PaddlePaddle基本国内的用户出发，提供了非常容易理解的文档和案例模型，对初习者来说，利用PaddlePaddle进行尝试学习是能够坚持和实现自己想法的是好场所。详情请参见 https://paddlepaddle.org.cn/

一、想法：利用paddlehub进行图像分类时，有时准确率不是很理想，会不会是图像中的干扰比较多，所以就想到了一个方法：先抠图，再分类。

本项目采用的数据集是之前的“PaddleHub图像分类作业”中的乘风破浪的姐姐的数据集。

二、实施步骤：

1、上传sisters.zip 解压，可以利用PaddleHub先进行分类，并保存分类的结果。具体过程见代码。

2、对sisters数据集进行抠图，并形成PaddleHub要求的格式规范。具体过程见代码。

3、对抠图后的数据进行相同模型的PaddleHub分类，保存分类的结果。具体过程见代码。

4、对两种数据集的分类结果进行比较分析。

三、实验结果（结果分析）：

#抠图前的finetune情况的结果（15轮）：EVAL] - [test dataset evaluation result] loss=0.81379 acc=0.87500 [step/sec: 66.09]

#抠图前图像预测结果：input 1 is data/sisters/infer/infer_ningjing.jpg, and the predict result is 万茜

#抠图后的finetune情况的结果（15轮）：EVAL] - [test dataset evaluation result] loss=0.57906 acc=1.00000 [step/sec: 28.38]

#抠图后图像预测结果：input 1 is data/sisters/infer/infer_ningjing.jpg, and the predict result is 宁静

#抠图前的finetune情况的结果（30轮）：EVAL] - [test dataset evaluation result] loss=0.94754 acc=0.75000 [step/sec: 69.18]

#抠图前图像预测结果：input 1 is data/sisters/infer/infer_ningjing.jpg, and the predict result is 万茜

#抠图后的finetune情况的结果（30轮）:EVAL] - [test dataset evaluation result] loss=0.57906 acc=1.00000 [step/sec: 28.55]

#抠图后图像预测结果：input 1 is data/sisters/infer/infer_ningjing.jpg, and the predict result is 宁静

从目前的实验结果来看，效果比较反复，有时比较理想的，准确率也有比较大的提升，预测结果也比较准确，有时结果和没有抠图前一样，没有太大变化。会不会是数据集太小超成的呢？由于目前只在一个数据集上实验，所以接下来想拿更多的数据集来验证，看看“先抠图再分类”在其他数据集上的表现，很是期待呀。

请点击此处查看本环境基本用法.

Please click