环境配置:
ubuntu:Ubuntu 16.04.5 LTS x86_64
tensorflow:1.5.0
cv2:3.4.4
基于tensorflow利用卷积神经网络训练自己的图像样本数据具体步骤如下:
1.获取样本文件
2.产生用于训练的批次
3.定义训练的模型(包括初始化参数,卷积、池化层等参数、网络)
4.训练
5.验证
1.读取图片文件
图1是我的部分图片样本数据的名称。图片来源是通过opencv截取的人脸照片,‘-’前部分为测试人脸名称。大小为(60*60*3)高-宽-颜色通道。由于图片命名与训练标签有关。
图1 部分样本数据
获取文件名及对应的标签,由于标签是one-hot类型,根据文件名的“-”前半部分为人的名称。本想通过直接将名称的各个字符相加之和作为标签,但是考虑到如果名称太长,那么和就非常大,不适合使用one-hot作为标签矩阵了。于是改成{文件名前部分:label}的json格式,来实现标签与名称的映射关系,待预测时,根据标签找到对应的名称即可。
下图功能是获取filename目录下的文件名与文件名对应的标签.(还可以加个判断对应的文件是否已jpg结束)
图2 获取样本
将jsonData文件名对应的索引作为标签,即类别(其数据类型要确定,后面要转为tensor类型数据)。image_list为图片文件的绝对路径名称。
2.产生训练批次
根据对应的文件名读取内容&#