基于Matlab和fruits-360的水果识别

最新推荐文章于 2023-05-18 16:40:48 发布

SudoReboot

最新推荐文章于 2023-05-18 16:40:48 发布

阅读量4.9k

点赞数 8

文章标签： matlab 卷积神经网络 deep learning 机器学习分类

本文链接：https://blog.csdn.net/m0_59921410/article/details/124425926

版权

0. 写在前面

本文直接上干货，不介绍理论，想了解理论的可以移步了。

如果你对理论不太熟悉，但是又想看看效果或者只要功能，跟着我的步骤做，就能看到识别效果了。因为我也对理论了解不多。（站在巨人的肩膀上😁）

matlab版本是2021b，用的是matlab的deepNetworkDesigner。fruits-360数据集下载链接放最后了。

1. fruits-360数据集介绍

打开fruits-360的文件夹如图1所示，papers是大牛的论文，可以看看，但是大牛是用的python做的。Training放的是训练集，Test放的是验证集，test-multiple_fruits也是更复杂的验证集。其中图片的大小都是100*100*3（长×宽×高）。

在训练集和验证集中放的是不同种类的水果和蔬菜。每一种水果或蔬菜占一个文件夹，文件夹的文件名就是标签，一共有131种。（验证集，训练集，标签自己百度）。如图2所示，例如Apple Braebum文件夹中放的就全是这一种苹果的图片，Apple Braebum就是一个标签。

2. 训练步骤与结果

步骤① 在matlab的命令行输入deepNetworkDesigner并回车

>> deepNetworkDesigner

步骤② 打开如图3所示的深度网络设计器，选择如图4所示的预训练网络中的 SqueezeNet。

（也可以选择自己搭建网络，方法类似，自己研究去）

步骤③ 打开的SqueezeNet如图5所示，该网络一共有68层。

步骤④ ctrl+滚轮放大网络，按图6中的步骤，替换掉输入层。因为fruits-360的图片大小都是100*100*3，但是SqueezeNet的图片输入大小是227*227*3。替换后的网络如图7所示。

步骤⑤ 按图8中的步骤，替换输出层。原网络的输出层输出种类是1000，fruits-360只有131种，替换后如图9所示。

步骤⑥ 按图10中的步骤，替换倒数第一个卷积层conv10，替换后如图11所示。

步骤⑦ 按如下步骤导入训练数据和验证数据

导入后的训练集如图12所示，验证集如图13所示。

步骤⑧ 训练（使用默认参数）

步骤⑨ 训练结果，训练会花很长时间，剩下就是等。如图14所示。训练后网络对水果的识别正确率是 98.25%

步骤⑩ 导出。训练好后的网络可以导出到工作区，训练代码是mlx实时文件。（注意保存训练好的网络）

3. 测试

测试代码如下，测试结果图15-图19所示。因为fruits-360中水果分类特别细，所以出来的结果有的很离谱。

load('trainedNet.mat') %加载训练好的网络
I = imread("C:\Users\1\Desktop\001.jpg"); %任意水果图片

I = imresize(I, [227 227]);

[YPred,probs] = classify(trainedNetwork_1,I); %测试
imshow(I)
label = YPred;
title(string(label) + ", " + num2str(100*max(probs),3) + "%");