用Python图像识别技术打造一个小狗分类器，实现让机器自己去“学习”~

前言

今日给大家带来的是图像识别技术——小狗分类器

工具使用

开发环境：win10、python3.6
开发工具：pycharm
工具包 ：keras，numpy, PIL

效果展示

训练集的准确率为0.925，但测试集只有0.7
说明过拟合了，可以再增加一些图片，或者使用数据增强，来减少过拟合。

测试了两张图片，全都识别对了！

思路分析

• 1 准备数据集
• 2 数据集的预处理
• 3 搭建卷积神经网络
• 4 训练
• 5 预测

1、准备数据集

我们可以通过爬虫技术，把4类图像（京巴、拉布拉多、柯基、泰迪）保存到本地。总共有840张图片做训练集，188张图片做测试集。

2 数据集的预处理

1 统一尺寸为1001003（RGB彩色图像）

# 统一尺寸的核心代码
img = Image.open(img_path)
new_img = img.resize((100, 100), Image.BILINEAR)
new_img.save(os.path.join('./dog_kinds_after/' + dog_name, jpgfile))

2 由于数据是自己下载的，需要制作标签（label），可提取图像名称的第一个数字作为类别。（重命名图片）

kind = 0

# 遍历京巴的文件夹
images = os.listdir(images_path)
for name in images:
    image_path = images_path + '/'
    os.rename(image_path + name, image_path + str(kind) +'_' + name.split('.')[0]+'.jpg')

3 划分数据集