cnn识别不规则图片_人工智能Keras的第一个图像分类器（CNN卷积神经网络的图片识别）...-CSDN博客

本文链接：https://blog.csdn.net/weixin_30438053/article/details/113451496

本文介绍如何利用Keras搭建卷积神经网络（CNN）模型，以识别不规则形状的雪人图片。首先，导入所需模块并定义神经网络结构。接着，通过预处理图片和训练数据，训练神经网络。在训练过程中，观察损失(loss)减少和准确率提升。最后，保存模型以备后续的图片识别任务。

摘要由CSDN通过智能技术生成

CNN卷积神经网络是人工智能的开端，CNN卷积神经网络让计算机能够认识图片，文字，甚至音频与视频。CNN卷积神经网络的基础知识，可以参考：CNN卷积神经网络

LetNet体系结构是卷积神经网络的“第一个图像分类器”。最初设计用于对手写数字进行分类，上期文章我们分享了如何使用keras来进行手写数字的神经网络搭建：Keras人工智能神经网络 Classifier 分类神经网络搭建

我们也可以轻松地将其扩展到其他类型的图像上，本期使用小雪人的照片，来让神经网络识别雪人

雪人的图片大家可以到网络上自行下载，当然也可以使用爬虫技术来下载

搭建keras神经网络识别图片

from keras.models import Sequentialfrom keras.layers.convolutional import Conv2Dfrom keras.layers.convolutional import MaxPooling2Dfrom keras.layers.core import Activationfrom keras.layers.core import Flattenfrom keras.layers.core import Densefrom keras import backend as K

首先导入需要的模块，建立一个神经网络以便后期使用，在一个单独的文件中，命名此神经网络类(lenet.py)

class LeNet:@staticmethoddef build(width, height, depth, classes):# 使用Sequential()初始化modelmodel =