基于keras框架的VGG16深度学习神经网络鱼类分类识别系统源码

AI街潜水的八角

已于 2024-01-12 19:56:59 修改

阅读量474

点赞数 11

分类专栏：分类实战文章标签： keras 神经网络分类

于 2023-11-24 11:01:00 首次发布

本文链接：https://blog.csdn.net/m0_59023219/article/details/134592043

版权

分类实战专栏收录该内容

32 篇文章 2 订阅

订阅专栏

第一步：准备数据

9种鱼类数据：Black Sea Sprat, Gilt-Head Bream, Hourse Mackerel, Red Mullet, Red Sea Bream, Sea Bass, Shrimp, Striped Red Mullet, Trout，总共有9000张图片，每个文件夹单独放一种鱼类

第二步：搭建模型

本文选择VGG16，其网络结构如下：

由于是九分类问题，直接套用网络肯定是不行，因此会在全连接部分做手脚，参考代码如下：

    x = base_model.output
    x = GlobalAveragePooling2D()(x)
    x = Dense(256)(x)
    x = Activation('relu')(x)
    x = Dense(64)(x)
    x = Activation('relu')(x)
    x = Dense(class_num)(x)
    predictions = Activation('softmax')(x)

    # for layer in base_model.layers:
    #     layer.trainable = True

    model = Model(inputs=base_model.input, outputs=predictions)
    return model

第三步：训练代码

1）损失函数为：交叉熵损失函数

2）VGG16可以从头训练或者利用预训练模型进行训练：

    w = 1
    if w:
        base_model = VGG16(weights='imagenet', include_top=False, input_shape=(width, height, 3))
    else:
        base_model = VGG16(weights=None, include_top=False, input_shape=(width, height, 3))
    for layer in base_model.layers:
        layer.trainable = False

第四步：统计正确率

VGG16_model_logep042-accuracy0.987-val_accuracy0.999 正确率高达99.9%

第五步：搭建GUI界面