yeahDeDiQiZhang的博客

这是一篇来自 Keras 官方文档中的案例作者的想法很简单，拿一个小数据集：dataset_name = "tf_flowers"batch_size = 64image_size = (224, 224)90% 用于训练，10% 用于预测(train_data, test_data), ds_info = tfds.load( dataset_name, split=["train[:90%]", "train[90%:]"], shuffle_files=True,

比赛网址：https://tianchi.aliyun.com/competition/introduction.htm?spm=5176.100150.711.5.2f5f2784nAcZxN&raceId=231666这个比赛的任务是分类，初赛和复赛规则不同，初赛为二分类，而复赛为十一分类。观察图像，目标为分类图像中布料上瑕疵的种类，而瑕疵大小不一，有的很长，有的很小，只有...

Whale Recognition Model with score 0.78563原文地址：https://www.kaggle.com/martinpiotte/whale-recognition-model-with-score-0-78563蓝色字体为译者注鲸鱼分类模型本文记述了座头鲸挑战赛0.78563提交成绩的算法策略。 本文应该与 Bounding Bo...

A Comprehensive Design Guide for Image Classification CNNs原文地址：https://hackernoon.com/a-comprehensive-design-guide-for-image-classification-cnns-46091260fb92你想做一个图像分类任务，但不知道从哪里开始。你该使用哪个预训练网络？ 你应该如何修改它...

Kaggle 上的比赛， 识别12种类型的植物，部分图片如下：预处理这里参考Gábor Vecsei的kernel，将叶片从背景中提取出来训练使用keras中的Xception模型，数据增加部分使用了[-180°，180°]的随机旋转，0.3的随机平移，0.3的随机放缩与随机翻转，代码如下：batch_size = 16train_img = np.zeros([4750, img_size, ...

1.预处理首先在网上找一份常用汉字大全，我这里找了一份2994字的常用汉字作为训练，712字的次常用汉字作为测试。操作系统内就自带字体文件，后缀为ttc和ttf，Mac的路径为 /System/Library/Fonts，选取若干个作为分类的对象。接着用PIL库来生成字体图片，生成的时候本想每个字居中显示。但是当一个字体中的字居中了，另外字体的字就会跑偏，因此这里用numpy来框出字体

分类目标是输入一张自行车图片，判断是山地车还是公路车。第一步：在百度图片分别爬取5000张山地车和公路车的图片，放于data/mountain和data/road两个文件夹下第二步：用TensorFlow自带的工具来fine-tuning训练mobilenet：git clone https://github.com/tensorflow/tensorflow.gitcd t