Tensorflow V2.0 图像识别教程代码： https://github.com/dwSun/classification-tutorial.git教程参考官方专家高级教程： https://tensorflow.google.cn/tutorials/quickstart/advanced?hl=en这里以 TinyMind 《汉字书法识别》比赛数据为例，展示使用 Tensorflow
转载
2024-03-01 19:09:48
96阅读
1.机器是如何图像分类的人工智能最具有应用前景的方向就是图像视觉领域，那么如何才能让机器识别世界万世万物呢？比如让机器识别一支猫？识别一朵花？识别一架飞机？ 2.机器如何识别图片图片不像前面我们讲到的机器学习那样，可以很容易的根据数据值的分布，字段的含义去提取相应的特征，因为图像是一种非结构化数据，我们人类很难提取到它的特征，如果一定要通过观察的方式，采用人为的标注的方式提取特征，这里有
转载
2024-01-11 07:37:25
123阅读
文章目录我的环境：一、前期工作1. 设置 GPU2. 导入数据3. 数据可视化二、构建简单的CNN网络三、训练模型1. 设置超参数2. 编写训练函数3. 编写测试函数4. 正式训练四、结果可视化 我的环境：语言环境：Python 3.6.8编译器：jupyter notebook深度学习环境：
torch==0.13.1、cuda==11.3torchvision==1.12.1、cud
转载
2024-04-16 16:07:45
1129阅读
keras_cnn_实现人脸训练分类废话不多扯，直接进入正题吧！今天在训练自己分割出来的图片，感觉效果挺不错的，所以在这分享一下心得，望入门的同孩采纳。 1、首先使用python OpenCV库里面的人脸检测分类器把你需要训练的测试人脸图片给提取出来，这一步很重要，因为deep learn他也不是万能的，很多原始人脸图片有很多干扰因素，直接拿去做模型训练效果是非常low的。所以必须得做这一步。而
转载
2024-02-19 20:54:05
101阅读
1评论
深度学习入坑笔记之三---服装图像识别问题目录输入数据数据处理搭建模型评估模型 目录输入数据这里我们还是以MNIST数据为例，与上一篇的不同在于上一篇是关于手写体数字识别，本篇是关于服装的简单识别。 首先第一步是数据的录入，该数据及相关代码来自tensorflow官方教程，具体的代码实现如下：from __future__ import absolute_import, division, pr
转载
2024-04-09 11:26:10
68阅读
yolox训练自己的数据最近又需要训练图像识别模型，之前体验过yolov5，yolox也出来很久了还没来得及认识，这次就体验下，参考项目地址：https://github.com/Megvii-BaseDetection/YOLOX 文章目录yolox训练自己的数据前言一、环境工作二、数据准备三、先测试体验yolox1.下载Yolox的pth文件2.demo测试四、准备自有数据集五、修改配置文件1
转载
2024-05-11 15:27:04
134阅读
项目需求如下图所示，图片内容是吊牌分为吊牌，是水洗标分为水洗，不包含这两项标为其他从上万张图片中挑出吊牌和水洗图片把混在一起的图片进行分类挑出实现方案：使用EasyDL定制AI训练平台的图像分类算法，训练模型并调用训练后的模型api，对本地图像进行分类操作图像数据创建图像分类数据集 上传图片 ——》在线标注等我标完200个图片之后，发现一个更方便的方法，建议多看文档，多摸索摸索因为我这边就三个标签
转载
2024-08-09 16:28:25
109阅读
当谈到人工智能在图像处理、语音识别和自然语言处理领域的应用时，我们可以看到它们正发挥着重要的作用。人工智能技术利用计算机科学和机器学习算法，使得计算机能够模仿人类的智能行为和决策过程。 人工智能在图像处理、语音识别和自然语言处理领域有广泛的应用。以下是这些领域中人工智能的一些常见应用：图像处理：图像分类和识别：利用深度学习和卷积神经网络等技术，实现图像的分类和识别任务，例如物体识别、人脸
转载
2024-08-07 16:47:14
38阅读
## Python图像识别训练模型实现流程
### 1. 准备工作
在开始实现 python 图像识别训练模型之前，我们需要先进行一些准备工作。下面是整个过程的步骤概览。
```mermaid
erDiagram
participant 小白 as 小白
participant 开发者 as 开发者
小白 -->> 开发者: 请求帮助
开发者 -->> 小白:
原创
2024-02-05 10:20:42
203阅读
Python-opencv图像识别学习日记（1）——人脸检测一、前言第一次写博客，直接用的编辑器的模板，记录一下图像识别的学习过程…。之前一直对人脸识别、机器视觉等方面很感兴趣，利用课余时间学习一下，暂时不指望做出成型的项目，做点小东西（人脸门禁之类的）练练手。如有纰漏望指出…二、准备阶段一台安装了python3电脑（废话）；一只摄像头（电脑自带）；互联网（用于下载插件包）；一颗爱学习的心哈哈哈哈
转载
2024-04-22 14:33:41
118阅读
二、数据准备 1）下载图片 图片来源于ImageNet中的鲤鱼分类，下载地址：https://pan.baidu.com/s/1Ry0ywIXVInGxeHi3uu608g 提取码: wib3 在桌面新建文件夹目标检测，把下载好的压缩文件n01440764.tar放到其中，并解压 2）选择图片 在此数据集中，大部分图片都较为清晰，但是有极少数图片像素点少，不清晰。像素点少
转载
2024-10-30 15:54:49
55阅读
【注意，本文创建于2022，最近一次更新在2023。2022主要围绕环境配置，2023关注yolo具体使用】抱着试试水的想法参加了robocup校赛，想借此试试人工智能识别。比赛给了诸多实现方案，我选择了其中需要自己搭网络的方案。不料配置环境一路坎坷，特此记录 比赛分为人脸识别和物体识别。人脸识别是face_recognition，物体识别是yolov5。出于电脑洁癖和项目本身要求，我租了个ubu
基于TensorFlow训练花朵识别模型的源码和Demo下面就通过对现有的 Google Inception-V3 模型进行 retrain ，对 5 种花朵样本数据的进行训练，来完成一个可以识别五种花朵的模型，并将新训练的模型进行测试部属，让大家体验一下完整的流程。 有问题，请评论提问，紧急问题可以看置顶博客加入作者学术交流QQ群。有很多人留言让代码上传到GitHub，其实没多少代码，已经上传到
鉴于有很多人来询问我数据集（我翻箱倒柜找了一下= =放在这里了，有需要自取）链接：https://pan.baidu.com/s/1Fjgs_MMiIDO9-wFKs6QJSg 提取码：1efk 复制这段内容后打开百度网盘手机App，操作更方便哦一、实验目的考核各位同学使用较小的模型和小规模的训练数据下的模型设计和训练的能力。需要同学充分利用迁移学习等方法，以解决训练数据少
转载
2024-08-08 17:14:08
89阅读
主要包含四个文件,主要是mnist_forward.py,mnist_backward.py,mnist_test.py,mnist_app.py定义前向传播过程 mnist_forward.py: 定义反向传播过程 mnist_backward.py:import tensorflow as tf
INPUT_NODE = 784
OUTPUT_NODE = 10
LAYER_NODE
函数 欢迎来到我的博客！天波易谢，寸暑难留。今天我们一起来认识一下编程中的“函数”。 那什么是“函数”呢？和阿拉伯数字一样吗？编程里面的“函数”指的是一段代码，我们把一段代码定义成“函数”，并给它取一个函数名（名字），这样我们就可以很方便的多次使用这段代码。 举个例子来
转载
2024-10-30 19:28:01
168阅读
开源网址目前，SeetaFace开源人脸识别引擎已全部发布在Github上供国内外同行和工业界使用，项目网址为：https://github.com/seetaface/SeetaFaceEngineSeetaFace人脸识别引擎包括了搭建一套全自动人脸识别系统所需的三个核心模块，即：人脸检测模块（SeetaFace Detection）、面部特征点定位模块（SeetaFace Alignment
转载
2024-04-22 13:39:14
187阅读
目录1.目标2.CIFAR10数据集和相关方法介绍3.Tensorflow中数据的读取机制4.用TensorFlow训练CIFAR10识别模型1）数据增强2）建立CIFAR10识别模型3）训练模型4）在TensorFlow中查看训练进度5）测试模型效果本文为笔者学习《21个项目玩转深度学习：基于TensorFlow的实践详解》这本书第二章的学习笔记。1.目标
转载
2024-02-09 10:17:16
68阅读
相信有很多同学也都想入坑图像识别这一领域，但是无奈有诸多方面的限制，比如说电脑配置不好、环境配置复杂、租云服务器费用高等。而百度推出的EasyDL平台可以在一定程度上让我们在深度学习领域能够快速应用相应的成果，而不是把精力放在一步步踩坑上，用更加便捷、省力的方式去构建自己的深度学习项目，也更加方便的去管理自己的模型。EasyDL-零门槛AI开
转载
2024-05-13 12:25:18
101阅读
1.项目介绍这次给大家介绍一个很方便的训练自己图像识别模型的一个程序。可以通过一行命令实现训练自己的图像识别模型，并且训练的速度很快，效果也不错。图像分类有三种训练方式：构建一个新的模型并从头开始训练，称为scrach。在已经训练好的模型基础上，修改模型的最后的全连接层，并重新训练全连接层称为bottleneck。在已经训练好的模型基础上，修改模型的最后的全连接层，并重新训练全连接层同时微调模型的
转载
2024-05-13 12:32:30
72阅读
