tensorflow中的算法实战
Keep_Trying_Go
无
展开
-
使用Tensorflow训练检测口罩模型完整实例
使用Tensorflow训练检测口罩模型完整实例原创 2023-01-01 22:20:44 · 1368 阅读 · 3 评论 -
Tensorflow中预处理图像的方法
Tensorflow中预处理图像的方法原创 2022-12-29 15:13:54 · 1580 阅读 · 0 评论 -
FCN中制作自己的数据集并进行训练
FCN中制作自己的数据集并进行训练原创 2022-07-30 23:53:14 · 2356 阅读 · 6 评论 -
图像分割FCN项目实战:测试和数据集训练
图像分割FCN项目实战:测试和数据集训练原创 2022-07-14 09:17:16 · 2285 阅读 · 7 评论 -
使用Tensorflow实现EfficientNetV2-S结构
使用Tensorflow实现EfficientNetV2结构原创 2022-06-08 20:33:34 · 1124 阅读 · 0 评论 -
使用EfficientNetV1训练数据集进行图片预测(前端显示图片,包括微调对比)
使用EfficientNetV1训练数据集进行图片预测(前端显示图片,包括微调对比)原创 2022-06-02 21:53:16 · 575 阅读 · 0 评论 -
使用Tensorflow实现EfficientNetV1网络结构
使用tensorflow实现EfficientNetV1网络结构原创 2022-06-02 16:05:15 · 334 阅读 · 0 评论 -
Opencv进行人脸检测(第三版改进)
文章目录1.先前Opencv人脸检测2.首先了解Opencv中的级联分类器3.使用图片简单测试一下5.使用Opencv中自带的级联分类器进行实时检测1.先前Opencv人脸检测https://mydreamambitious.blog.csdn.net/article/details/1235357602.首先了解Opencv中的级联分类器3.使用图片简单测试一下5.使用Opencv中自带的级联分类器进行实时检测#Opencv人脸检测import osimport cv2#导入人原创 2022-05-19 15:19:25 · 1754 阅读 · 0 评论 -
ShuffleNetV2网络结构训练模型(图像分类)
文章目录1.ShuffleNetV2网络结构讲解2.重新搭建ShuffleNetV2模型结构(便于训练)(1)关于数据集和训练的整个代码可以参考我这篇文章3.训练结果4.图像测试1.ShuffleNetV2网络结构讲解https://blog.csdn.net/Keep_Trying_Go/article/details/1247741292.重新搭建ShuffleNetV2模型结构(便于训练)(1)关于数据集和训练的整个代码可以参考我这篇文章https://mydreamambitious.b原创 2022-05-15 20:27:08 · 2098 阅读 · 0 评论 -
VGG16之特征提取和网络参数的查看(偏置和权重)(这里只做简单介绍)
文章目录1.网络结构:(1)包含顶层:(2)不包含顶层:2.特征查看:(1)包含顶层:(2)不包含顶层:3.主文件:main.py:1.网络结构:(1)包含顶层:(2)不包含顶层:注意这里它们参数的对比:可以发现它们的参数量差距在近10倍,这说明VGG16的主要参数量都集中在了全连接层,全连接层的参数量之大,所以我们在使用迁移学习的时候或者微调时,都是在最后一个Max Pooling2D之后自己定义输出。2.特征查看:(1)包含顶层:(2)不包含顶层:注意:可以发现输出不原创 2022-04-02 21:17:50 · 3180 阅读 · 0 评论 -
手动搭建的VGG16网络结构训练数据和使用ResNet50微调(迁移学习)训练数据对比(图像预测+前端页面显示)
文章目录1.VGG16训练结果:2.微调ResNet50之后的训练结果:3.结果分析:4.实验效果:(1)VGG16模型预测的结果:(2)在ResNet50微调之后预测的效果:5.相关代码和知识点:(1)VGG16网络结构:(2) VGG16特征提取:(3)有关微调和迁移学习:(4)代码下载:(5)文件的结构:6.训练VGG16模型和微调之后的ResNet50模型:(1)下载requirements.txt文件和创建新环境:(2)训练VGG16:(3)训练resent50模型:(4)运行Flask.py文件原创 2022-04-05 17:52:02 · 7504 阅读 · 6 评论 -
迁移学习之ResNet50和ResNet101(图像识别)
文章目录1.实现的效果:2.主文件TransorResNet.py:1.实现的效果:实际的图片:(1)可以看到ResNet50预测的前三个结果中第一个结果为:whippet(小灵狗)(2)ResNet50预测的前三个结果中第一个结果为:Walker_hound(步行猎犬)(3)**从结果上来看,比之前的VGG16和VGG19预测的效果都要好(这里虽然不知道图片中的够具体是什么狗,但是结果都预测成了“狗”的类别)。**2.主文件TransorResNet.py:import osimpo原创 2022-04-01 20:27:04 · 11175 阅读 · 0 评论 -
迁移学习之EfficientNetBX(图像识别)
文章目录1.实现效果:2.结果分析:3.主文件:TransorEfficientNetBx.py:1.实现效果:实际图像:(1)EfficientNetB0预测的前三个中第一个结果:whippet(惠佩特犬)——0.18034123(2)EfficientNetB1预测的前三个中第一个结果:Ibizan_hound(古老犬)——0.18319356(3)EfficientNetB6预测的前三个中第一个结果:Walker_hound(步行猎犬)—— 0.1849944(4)EfficientN原创 2022-04-02 21:34:10 · 863 阅读 · 0 评论 -
迁移学习之VGG16和VGG19
1.输出效果:实际的图片——Dog:预测的结果有误。但是没关系,自己可以找一些数据集,在此模型的基础上进行微调达到更好的效果。2.主文件TransorVGG16AndVGG19.py:import osimport cv2import numpy as npimport tensorflow.keras.applications.vgg16from PIL import Imagefrom tensorflow import kerasfrom tensorflow.keras.pr原创 2022-04-01 20:17:06 · 2128 阅读 · 0 评论 -
迁移学习之MobileNet(88层)和MobileNetV2(88层)
文章目录1.实现的效果:2.结果分析:3.主文件TransorMobileNet.py:1.实现的效果:实际图片:(1)MobileNet预测的第一个结果为:pug(哈巴狗)(2)MobileNetV2预测的第一个结果为:West_Highland_white_terrier(西部高地白梗犬)2.结果分析:(1)虽然两种模型都预测为了狗,可是结果差别也较大,相比于之前的ResNet50,ResNet101,Inception_ResNet_V2差的较多(当然简单的测试说明不了什么问题,但是也原创 2022-04-01 21:23:27 · 2085 阅读 · 0 评论 -
从VGG19中任意层提取图像识别的特征
文章目录1.VGG19网络结构:2.主文件:main.py:1.VGG19网络结构:注意:我们输出第四层的block4_pool层的特征:(读者可以根据这个输出其他层的特征也可以)2.主文件:main.py:import osimport numpy as npfrom tensorflow.keras.models import Modelimport tensorflow.keras.applications.vgg19from tensorflow.keras.preproce原创 2022-04-03 20:13:33 · 4176 阅读 · 0 评论 -
Opencv进行人脸检测(改进)
import osimport cv2import dlibimport numpy as npfrom keras.models import load_modeldetector = dlib.get_frontal_face_detector()# 第二个参数表示捕获的图像分辨率cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)margin = 0.2# 设置显示的字体font = cv2.FONT_HERSHEY_SIMPLEXwhile T原创 2022-03-16 20:43:58 · 3695 阅读 · 0 评论 -
车牌识别的分类器文件目录
要找到这个目录,前提是你要下载Opencv:pip install opencv-python如果没有下载:请看这位博主转载链接:https://blog.csdn.net/barry_j/article/details/79178680原创 2021-11-21 19:52:54 · 1615 阅读 · 0 评论 -
Tensorflow2.6.0实现VGG16卷积层特征图可视化
1.参考博文:这里非常感谢这位博主,让我对特征可视化有了进一步的了解:https://blog.csdn.net/Forrest97/article/details/1058950872.实验效果:3.结果分析:通过我画出来的一部分图,可以看出,随着卷积层数的加深,特征图越来越特化,像这张图片,更多的是提取图片中狗的眼睛和鼻子;而浅层更多的是提取图像的边缘和轮廓。所以随着网络的加深,图像的特征越来越特化,同时越来越难理解。4.代码实现:import osimport matplotl原创 2022-04-11 21:57:40 · 3104 阅读 · 8 评论 -
tensorflow算法实战:普通的数据训练和迁移学习之后的数据训练进行图像的识别(包括前端页面)
文章目录1.数据集的准备:2.requirements.txt文件:3.文件结构:4.预测效果:5.首先普通的训练:(1)导入相关的库函数:(2)相关的变量的初始化:(3)数据增强和导入文件:(4)模型定义:(5)相关回调函数定义:(6)开始训练:(7)画图:6.迁移学习训练:(1)导入相关的库函数:(2)相关的变量的初始化:(3)数据增强和导入文件:(4)迁移学习模型定义:(5)相关回调函数定义:(6)开始训练:(7)画图:7.前端文件:1.数据集的准备:链接:https://pan.baidu.co原创 2022-03-31 21:34:45 · 1503 阅读 · 0 评论 -
迁移学习之DenseNet121(121层),DenseNet169(169层),DenseNet201(201层)(图像识别)
文章目录1.实现效果:2.结果分析:3.主文件TransorDenseNet.py:1.实现效果:实际图片:(1)DenseNet121预测第一个结果为:Sealyham_terrier(㹴犬)——0.21411328(2)DenseNet169预测的第一个结果为:Sealyham_terrier(㹴犬)——0.43225577(3)DenseNet201预测第一个结果为:Sealyham_terrier(㹴犬)——0.159778852.结果分析:相比于之前的ResNet50,ResNe原创 2022-04-01 21:58:21 · 9776 阅读 · 1 评论 -
关于VGGNet网络结构浅谈(主要是VGG16结构)
文章目录1.首先看一下论文中一张表:2.VGG16网络结构解释:3.网络构成详解:1.首先看一下论文中一张表:注解:(1)可以看到表中从左->右网络结构逐渐变得更深和复杂;层数从11->11->13->16->16->19;(2)所有的激活函数使用的都是ReLU函数;(3)层与层之间的间隔使用Max Pool(最大池化);(4)使用的卷积核大小都是3*3的卷积,通道数逐渐增加(因为宽和高在变小,所以通道数增加对特征的保留更好);(5)根据卷积层来设计其中子原创 2022-04-03 21:46:46 · 6107 阅读 · 0 评论 -
迁移学习之InceptionV3(159层),Xception(126层),Inception_ResNet_V2(572层)(图像识别)
文章目录1.实现的效果:2.结果分析:3.主文件TransorInception.py:1.实现的效果:实际图片:(1)从上面的输出效果来看,InceptionV3预测的第一个结果为:chihuahua(奇瓦瓦狗)(2)Xception预测的第一个结果为:Walker_hound(步行猎犬)(3)Inception_ResNet_V2预测的第一个结果为:whippet(小灵狗)2.结果分析:从预测的结果来看,Inception_ResNet_V2和之前的ResNet101预测结果差不多,结原创 2022-04-01 21:04:45 · 1989 阅读 · 0 评论 -
ShuffleNetV1网络结构训练模型(图像分类)
文章目录1.ShuffleNetV1文章2.重新搭建ShuffleNetV1模型结构(便于训练)(1)关于数据集和训练的整个代码可以参考我这篇文章(2)改换代码中的网络结构(3)训练结果1.ShuffleNetV1文章https://mydreamambitious.blog.csdn.net/article/details/1246759322.重新搭建ShuffleNetV1模型结构(便于训练)(1)关于数据集和训练的整个代码可以参考我这篇文章https://mydreamambitious原创 2022-05-13 19:56:37 · 574 阅读 · 0 评论 -
MobileNetV1网络结构训练模型(图像分类)
文章目录1.MobileNetV1文章2.重新搭建MobileNetV1模型结构(便于训练)3.训练的结果4.图像分类测试1.MobileNetV1文章https://mydreamambitious.blog.csdn.net/article/details/1245604142.重新搭建MobileNetV1模型结构(便于训练)注:只要将代码中的网络结构换成下面的这个MobileNetV1结构即可(如果采用的是面向对象的方式设计的网络结构的话,在训练数据的时候需要做一些调整)并且再将代码中的一原创 2022-05-12 21:36:06 · 1229 阅读 · 0 评论 -
OpenCV进行人脸识别
需要下载相应的库:pip install cmakepip install dlibimport osimport cv2import dlibimport numpy as npfrom keras.models import load_modeldetector=dlib.get_frontal_face_detector()#第二个参数表示捕获的图像分辨率cap=cv2.VideoCapture(0,cv2.CAP_DSHOW)margin=0.2#设置显示的字体font原创 2022-02-03 16:36:05 · 3339 阅读 · 0 评论 -
图像数据增强(平移,旋转,亮度变换,翻转,添加高斯噪声,缩放,裁剪)
1.平移:import cv2 import tensorflow as tf import numpy as npfrom PIL import Image from skimage import transform,dataimport matplotlib.pyplot as plt def Move(image): fig,ax=plt.subplots(nrows=1,ncols=3,figsize=(12,6)) ax[0].imshow(image) a原创 2021-11-28 13:16:08 · 5819 阅读 · 0 评论 -
TensorFlow中的Fashion MNIST图像识别实战
1.导入相应的库:关于Fashion MNIST数据集的介绍:看这位博主:https://blog.csdn.net/qq_28869927/article/details/85079808import os import cv2 import numpy as npimport tensorflow as tfimport kerasimport functoolsfrom keras.preprocessing.image import ImageDataGenerator2.原创 2021-11-26 15:19:10 · 1102 阅读 · 0 评论 -
关于TensorFlow报错ModuleNotFoundError: No module named ‘imutils‘
解决方案:在Anaconda Prompt中输入:pip install imutils原创 2021-11-26 13:31:14 · 491 阅读 · 0 评论 -
TensorFlow中的ResNet残差网络实战(2)
1.导入相应的库:import os import tensorflow as tf import numpy as np import matplotlib.pyplot as plt from tensorflow.keras import datasets,losses,Sequential,optimizers2.加载数据集:(x_train,y_train),(x_test,y_test)=tf.keras.datasets.mnist.load_data()x_train=tf原创 2021-11-26 13:31:34 · 580 阅读 · 0 评论 -
TensorFlow中的ResNet残差网络实战(1)
1.导入相应的库import os import tensorflow as tf import numpy as np import matplotlib.pyplot as plt from tensorflow.keras import datasets,losses,Sequential,optimizers2.加载MNIST数据集:(x_train,y_train),(x_test,y_test)=tf.keras.datasets.mnist.load_data()x_trai原创 2021-11-26 13:31:46 · 794 阅读 · 0 评论 -
手写体数字识别(理解起来更简单一点)
1.测试集数据:链接:https://pan.baidu.com/s/1YDzwrWvd6dsYaKK7cyvdBQ 提取码:e0j5第一部分:训练2.导入相应的库import os import keras import numpy as np import cv2 import matplotlib.pyplot as plt import matplotlib.image as mpimgimport tensorflow as tf import skimage.io as原创 2021-11-24 12:40:16 · 979 阅读 · 4 评论 -
TensorFlow自编码器(AE)实战
第一部分:这一部分是来自《TensorFlow深度学习》龙良曲老师的书籍中的代码:import tensorflow as tfimport numpy as npfrom PIL import Imageimport matplotlib.pyplot as pltfrom tensorflow.keras import losses,optimizers,Sequential#加载Fashion MNIST图片数据集(train_x,train_y),(test_x,test_y)=原创 2021-11-20 10:58:49 · 1800 阅读 · 0 评论 -
手写体数字识别+界面
1.这里首先需要声明一下,我的这篇文章参考来自以下两位博主:界面:https://blog.csdn.net/weixin_39964552/article/details/82937144猫狗图像识别:https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/1061666532.数据集下载:以下的数据集也是在网上下载之后我自己整理的:(1)测试集数据:链接:https://pan.baidu.com/s/1fQg27nBMsL0x原创 2021-11-18 20:41:07 · 1380 阅读 · 5 评论 -
GRU情感分类问题再战
import tensorflow as tfimport numpy as np import tensorflow as keras from tensorflow.keras import losses,Sequential,optimizers,layers,datasetsbatchsz=128#批量大小total_words=10000#词汇表大小N_vocabmax_review_len=80#句子最大长度 s,大于的句子部分将截断,小于的将填充embedding_len=10原创 2021-05-13 14:18:37 · 257 阅读 · 0 评论 -
LSTM情感分类问题再战
import tensorflow as tfimport numpy as np import tensorflow as keras from tensorflow.keras import losses,Sequential,optimizers,layers,datasetsbatchsz=128#批量大小total_words=10000#词汇表大小N_vocabmax_review_len=80#句子最大长度 s,大于的句子部分将截断,小于的将填充embedding_len=10原创 2021-05-13 13:38:17 · 161 阅读 · 0 评论 -
tensorflow中的BN层实现
import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltfrom tensorflow.keras import Sequential,losses,optimizers,layers,datasetslr=0.01batchsz=512network=Sequential([#网络容器 layers.Conv2D(6,kernel_size=3,strides=1),#第1个卷积层,6个3*3卷积原创 2021-05-12 19:10:57 · 1324 阅读 · 2 评论 -
关于通过Sequential容器创建LeNet-5
import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltfrom tensorflow.keras import Sequential,losses,optimizers,layers,datasetslr=0.01batchsz=512network=Sequential([#网络容器 layers.Conv2D(6,kernel_size=3,strides=1),#第1个卷积层,6个3*3卷积原创 2021-05-12 18:18:29 · 299 阅读 · 0 评论 -
Fashion MNIST自编码器网络实战
import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltimport tensorflow as kerasfrom tensorflow.keras import datasets,layers,optimizers,losses,Sequentialbatchsz=128lr=0.01h_dim=20#加载Fashion MNIST图片数据集(x_train,y_train),(x_test,y原创 2021-05-09 09:39:19 · 253 阅读 · 0 评论 -
GRU使用方法
import tensorflow as tfimport numpy as np import tensorflow as keras from tensorflow.keras import losses,Sequential,layers,datasets#初始化状态向量,GRU只有一个h=[tf.zeros([2,64])]#新建GRU Cell,向量长度为64cell=layers.GRUCell(64)#在时间戳上维度解开,循环通过cellfor xt in tf.unsta原创 2021-05-08 16:18:14 · 863 阅读 · 0 评论