赖德发的博客

无意中发现了一个巨牛的人工智能教程，忍不住分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。点这里可以跳转到教程。人工智能教程...

实现一个完整的图像分类任务，大致需要分为五个步骤：1、选择开源框架目前常用的深度学习框架主要包括tensorflow、keras、pytorch、mxnet,caffe等；2、构建并读取数据集根据任务需求搜集相关图像搭建相应的数据集，常见的方式包括：网络爬虫、实地拍摄、公共数据使用等。随后根据所选开源框架读取数据集。3、框架搭建选择合适的网络模型、损失函数以及优化方式，以完成整体框架的...

InceptionV3是 Google 对 InceptionV2 的一种改进。首先，InceptionV3 设计和使用了更多种类的Inception 模块，部分 Inception 模块将较大的方形二维卷积拆成两个较小的非对称卷积，从而大幅度节省参数量；GhostNet是华为于 2020 年提出的一种全新的轻量化网络结构。通过引入 Ghostmodule，大大缓解了传统深度网络中特征的冗余计算问题，使得网络的参数量和计算量大大降低；ResNeSt系列模型是 2020 年提出的。在原有的 ResN.

做深度学习图片预处理的时候，每个图片都要减去均值，原因是为什么呢？原因如下：在图像送入网络训练之前，减去图片的均值，这算是一种归一化操作，那为什么一定要做这个归一化操作呢。其主要的原因就是对于我们的图像其实是一种平稳的分布，减去数据对应维度的统计平均值，来消除公共部分。以凸显个体之前的差异和特征。...

在训练神经网络的过程中，为了能够使训练的网络有更高的准确率，更低的过拟合，通常需要大量的训练数据，但在实际工作中，大量数据并不是说有就有的，怎么办呢，通常解决这个问题的办法就是，使用一些手段，人为扩充数据集。本篇文章，将针对图像数据，提供一些扩展常用方法，相信这些方法能够满足大家对扩充图片数据集的需求。方法1：利用keras生成器扩充图片数据集。# -*- coding: utf-8 -*-...

ImageAI 提供4种不同的算法及模型来执行图像预测，通过以下简单几个步骤即可对任何图片执行图像预测。提供用于图像预测的4种算法包括 SqueezeNet，ResNet，InceptionV3 和 DenseNet。这些算法中的每一个都有单独的模型文件，您必须根据所选算法使用相对应的模型文件，请单击以下链接下载所选算法的模型文件：SqueezeNet（文件大小：4.82 MB，预测时间最短，...

查看：output_graph.pb 内容如下：version https://git-lfs.github.com/spec/v1oid sha256:fe2653775a6e9a601a7ee377aeb1881e867c19a3be7f5776acf5c3512d1f2c64size 87434170进一步了解到这是通过git lfs 上传的大文件，那么如下下载他呢，答案便是安装g...

ImageAI 提供4种不同的算法和模型，使你可以用您自定义的模型执行图像预测。您将使用 ImageAI 已训练的模型和相应的 JSON 文件来预测自定义对象。下面我们通过我们训练的一个例子来进行预测。先看项目目录：datasetresnet_train.pyresnet_predict.py模型分为5类，训练好的模型最高测试集准确率97.48%左右。dataset 文件夹下面结构...

10分钟了解下图像识别库imageAI，请看上篇文章。点这里ImageAI 提供4种不同的算法及模型来执行自定义预测模型训练，通过以下简单几个步骤即可实现自定义预测模型训练。提供用于自定义预测模型训练的4种算法包括 SqueezeNet，ResNet，InceptionV3 和 DenseNet。您可以将其中一种算法加载到imageai.Prediction.Custom.CustomImage...