3559A 深度学习，分类识别flower例子

feng_yun_huo

已于 2023-10-07 09:56:22 修改

阅读量99

点赞数

文章标签：深度学习人工智能

于 2023-09-28 18:00:37 首次发布

本文链接：https://blog.csdn.net/liu7234/article/details/133387879

版权

该博客详细介绍了如何使用深度学习进行花卉（向日葵和玫瑰）分类识别的全过程，包括数据预处理、模型训练（使用Alex Net）、模型测试以及最终将模型部署到海思3559A芯片。训练数据经过裁剪为160x160像素，并使用特定脚本生成LMDB和均值文件。在训练过程中，博主遇到了分辨率不匹配的问题，导致部署到硬件时识别不准确。

摘要由CSDN通过智能技术生成

训练目标：识别向日葵和玫瑰花两种类别。
数据集：花卉数据集

原始数据集中的图片分辨率大小不一，这里在生成lmdb的时候，统一裁剪为160x160的分辨率大小。
create_lmdb.sh脚本中使用参数 --resize_height=160 --resize_width=160

网络模型： alex net

制作训练图片文件

在caffe-1.0\data下新建flowers目录，作为数据的根目录。
在flowers文件夹下分别放置train和val。
在train和val中放置不同类别的图rose和sunflower。

每一个类别的图中，训练图片是测试图片的5倍以上，测试图片100张，那么训练图片应该大于500张。
以下是rose训练图片集

生成数据脚本

在caffe-1.0\examples中新建 flower_class文件夹。作为此分类项目的根目录，然后创建以下3个脚本
create_filelist.sh：

DATA=data/flowers
MY=examples/flower_class
 
echo "Create train.txt..."
rm -rf $DATA/train.txt
find $DATA/train/rose -name *.jpg | cut -d '/' -f5 | sed "s:^:rose/:" | sed "s/$/ 0/">>$MY/train.txt
find $DATA/train/sunflower -name *.jpg | cut -d '/' -f5 | sed "s:^:sunflower/:" |  sed "s/$/ 1/">>$MY/train.txt


echo "Create val.txt..."
rm -rf $DATA/val.txt
find $DATA/val/rose