V1.0更新:
一,对网络结构调整:
1,通过大量实验测试,最终在RESnet50与VGG16中使用VGG16。
2,通过观察爬取的数据集特征,将训练数据集分为5类,分别为”人像“,“食物”,“文字”,“动物”,“风景”。
3,训练100次epoch
4,batchsize=24
5,imagesize = 120
最终实际运行准确度更加趋近稳定,对于动物误识别为人的概率大大减小。
二,增加更多的功能:
1,将屏蔽转发用户写入为block_list文件,从文件中读取屏蔽用户。
2,当用户发送 “@深绘里 -quit”时,可以将自己列入屏蔽列表中,当发送”@深绘里 -join“,可以重新参与被检索。
3,当用户quit or join,通过私信告知用户。
4,为了提高检测精准度,预测图像的时候,对于 长 or 高(比例大于1:1.3) 的图像裁剪为上,中,下,以及整张图resize为正方形的四张图片进行预测,如果有一张检测为人像,并且另外三张没有同时检测为其他同一类型的图片,则正确分类为人像。
5,自动生成日志log文件,存放于log/log_.txt中。
6,修补bug(修改为运行时强制使用CPU运行,不占用GPU显存)。
程序逻辑设计概要
本文实验采用Python+Keras作为主要语言,使用饭否API接口实现对微博用户上传的图片实时监控,通过多层卷积神经网络对采集图像进行识别,图像符合人群画像标准,则转发。通过对神经网络训练,识别准确率可达到82.5%。点击