这篇博客介绍了如何利用ML.NET结合TensorFlow模型进行图片分类。作者通过加载预训练的TensorFlow模型进行特征提取，然后使用L-BFGS最大熵分类算法进行分类。文章提供了一个简单的图片分类实例，展示数据处理和模型应用的过程。
一、概述
通过之前两篇文章的学习，我们应该已经了解了多元分类的工作原理，图片的分类其流程和之前完全一致，其中最核心的问题就是特征的提取，只要完成特征提取，分类算法就很好处理了，具体流程如下：
之前介绍过，图片的特征是不能采用像素的灰度值的，这部分原理的台阶有点高，还好可以直接使用通过TensorFlow训练过的特征提取模型(美其名曰迁移学习)。
模型文件为：tensorflow_inception_graph.pb
二、样本介绍
我随便在网上找了一些图片，分成6类：男孩、女孩、猫、狗、男人、女人。tags文件标记了每个文件所代表的类型标签(Label)。
通过对这六类图片的学习，期望输入新的图片时，可以判断出是何种类型。
三、代码
全部代码：
最低0.47元/天 解锁文章
扫一扫
1467
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
