【054】Keras 垃圾分类图片识别项目

最新推荐文章于 2023-03-25 18:00:00 发布

小麦粒

最新推荐文章于 2023-03-25 18:00:00 发布

阅读量3.9k

点赞数 5

本文链接：https://blog.csdn.net/u010986753/article/details/105463469

版权

本文介绍了使用Keras进行垃圾分类图片识别的项目，通过MaxPooling2D和AveragePooling2D不同设置，训练了多个模型，并展示了训练结果及准确率。经过100个epochs的训练，MaxPooling2D模型取得了0.8399的准确率，而AveragePooling2D模型的准确率为0.8380。

摘要由CSDN通过智能技术生成

整个项目使用tensorflow-GPU跑的

1、数据集下载

链接：https://pan.baidu.com/s/1ywEV3_CXEIgxvPh6g3BX5Q

提取码：39zm

2、随机展示6张图片

import time
start = time.time()
import numpy as np
import matplotlib.pyplot as plt
import keras
import os,glob,random
from keras.models import Sequential
from keras.layers import Conv2D,Flatten,MaxPooling2D,Dense,AveragePooling2D
from keras.preprocessing.image import ImageDataGenerator,load_img,img_to_array,array_to_img

#1、数据位置
base_path = 'D:\A\AI-master\garbage_class\dataset-resized'
#glob.glob获取指定目录下的所有图片
img_list = glob.glob(os.path.join(base_path,'*/*.jpg')) #加上r让字符串不转义

print(len(img_list))#2527

#2、随机展示六张图片

for i ,img_path in enumerate(random.sample(img_list,6)):
    img = load_img(img_path)
    plt.subplot(2,3,i+1)

    plt.imshow(img)
    plt.show()

3、对数据进行分组

train_datagen = ImageDataGenerator(rescale=1./255,shear_range=0.1,zoom_range=0.1,
                                   width_shift_range=0.1,height_shift_range=0.1,horizontal_flip=True,
                                   vertical_flip=True,validation_split=0.1)

test_datagen = ImageDataGenerator(rescale=1. / 255, validation_split=0.1)

train_generator = train_datagen.flow_from_directory(
    base_path, target_siz