在上一篇博客中，讲述了对猫狗采用二分类方法进行模型训练，最终得到的模型在测试数据上的准确率为79%。在这里我们采用数据增强的方法进一步提高识别率。 数据增强是从现有的训练样本中生成更多的训练数据，其方法是利用多种能够生成可信图像的随机变换来增加（augment）样本。其目标是，模型在训练时不会两次查看完全相同的图像。这让模型能够观察到数据的更多内容，从而具有更好的泛化能力。 例如有如下一张图像：
训练模型在项目中，我们可能没那么多时间去思考从算法方面去解决，更多的时候想的是能用就行，但是网上很多的例子很多是基于内置的数据，这是非常让人难受的，或者是基于一张图片进行数据增强，很痛苦。更一般的情况是，对训练集下的某一个文件夹的所有图片进行数据增强。 因此需要下面这两个函数： 首先介绍两个函数一个是图片读取ImageDataGenerator()。 这是详细介绍。 还有一个就是ImageData
前言对于计算机视觉方面的各种研究，目前都是以神经网络为基础，并且目前主流的在图像识别方面运用最多的就是基于**CNN(卷积神经网络)**的各种神经网络。本文就以CNN为基础对Kaggle经典的猫狗识别数据集进行分类。本次采用最简单的CNN模型为例子，网络主要将构造两个卷积层和一个全连接层对猫狗数据集进行分类，后续将运用更加复杂的预训练模型进行训练，从而对比不同复杂程度的神经网络的预测效果。数据预处
转载
2024-02-19 11:29:30
115阅读
【导读】 十年前，研究人员认为让计算机来区分猫和狗几乎是不可能的。如今，计算机视觉识别的准确率已超过99%。Joseph Redmon通过一个叫YOLO的开源目标检测方法，可以迅速识别图像和视频中的目标。10年前，计算机视觉研究者认为，要让一台电脑去分辨出一只猫和狗的不同之处，这几乎是不可能的，即便是在当时人工智能已经取得了重大突破的情况下。从猫狗不分到实时识别准确率超99%，计算机图像是如何做到
转载
2023-11-13 22:19:19
119阅读
# PyTorch 猫狗识别教程
## 引言
本文旨在帮助刚入行的小白学习如何使用 PyTorch 实现猫狗图像分类模型。我们将逐步引导你完成整个过程，包括数据集准备、模型构建、训练和测试。最后，通过模型的结果，你将能分辨出猫和狗的图片。
## 整体流程
下面是一张简单的流程图，展示了我们将要进行的步骤：
| 步骤 | 描述
图像识别猫狗大战——初学代码之随笔训练集：12500张猫，12500张狗 1. 读取数据标签 item_label = item.split('.')[0] # 文件名形如 cat.0.jpg, 只需要取第一个。 # 将item以字符'.'为分割方式截取子串，存入字符串向量，获取向量的第[0]个元素。 # 如item='cat.0.jpg', 则item.split('.
转载
2023-10-12 10:22:58
985阅读
案例分析：下载猫狗图片，进行分类。对数据进行分类，训练集和测试集。 训练集和测试集都进行命名规范，把猫标记为1，狗标记为0。 处理流程： 数据处理，把数据处理为64X64大小的格式，参数初始化分被初试化 各层权重 W 和 偏置 b，（一般情况下W进行随机赋值，b赋值为1），前向传播，确定激活函数（浅层选择tanh函数，深层选择ReLu），交叉熵损失，反向传播（梯度下降），更新参数，构建神经网络，训
转载
2023-12-15 05:41:01
344阅读
作业是：【中文】【吴恩达课后编程作业】Course 1 - 神经网络和深度学习 - 第二周作业 本文对作业程序进行全面测试。#为测试内容，前面的#后为测试程序，后面的#后为测试结果。总结和感悟：通过此次作业，我发现w刚开始是一个空壳，将它定义成：w.T与X可以相乘（符合矩阵乘法），w.T的shape为(1,像素总数)，X的shape为（像素总数，图片数），两者乘积的shape
转载
2023-12-08 15:47:49
156阅读
目录1.项目数据及源码2.任务介绍3.数据预处理4.图像可视化5.建立模型6.进行训练 1.项目数据及源码可在github下载：https://github.com/chenshunpeng/Cat-dog-recognition-based-on-CNN2.任务介绍数据结构为：big_data
├── train
│ └── cat
│ └── XXX.jpg
转载
2024-08-10 18:25:39
247阅读
前言前面用CNN卷积神经网络对猫狗数据集进行了分类，可以看出一个层数比较低的CNN在做分类的时候效果达不到特别好，前面的CNN只能达到75%-80%的正确率，但是那是由于我们的CNN结构比较简单，所以要想分类效果更好，我们需要用更加复杂的模型，这里我就采用更加复杂的深度残差神经网络(ResNet)对猫狗数据集进行训练分类。我们可以直接采用预训练模型ResNet50进行模型训练，如果不知道预训练是什
转载
2024-02-19 17:12:44
75阅读
这篇文章中我放弃了以往的model.fit()训练方法，改用model.train_on_batch方法。两种方法的比较：
model.fit()：用起来十分简单，对新手非常友好
model.train_on_batch()：封装程度更低，可以玩更多花样。此外我也引入了进度条的显示方式，更加方便我们及时查看模型训练过程中的情况，可以及时打印各项指标。? 我的环境：语言环境：Python3.6.5编
转载
2024-03-13 11:36:41
69阅读
（一）数据负责实现读取数据，生成批次（batch）import tensorflow as tf import numpy as np import osos模块包含操作系统相关的功能，可以处理文件和目录这些我们日常手动需要做的操作。因为我们需要获取test目录下的文件，所以要导入os模块。数据构成，在训练数据中，There are 12500 cat,There are 12500 dogs
转载
2023-09-04 13:29:21
1364阅读
CV之IC之AlexNet：基于tensorflow框架采用CNN卷积神经网络算法(改进的AlexNet,训练/评估/推理)实现猫狗分类识别案例应用目录基于tensorflow框架采用CNN(改进的AlexNet,训练/评估/推理)卷积神经网络算法实现猫狗图像分类识别数据集介绍输出结果使用model.ckpt-6000模型预测 预测错误的只有一个案例，如下所示训练结果核心代码基于tens
转载
2024-06-22 11:18:42
81阅读
内有500张猫和500张狗的图片（大小不一），我将它们全部放到一个文件夹里，前500张为猫，后500张为狗。代码：import tensorflow as tf
import numpy as np
import cv2
import random
import os
def get_batch(batch_size=32,image_size=64,class_size=2):
x=[
转载
2023-11-27 01:02:55
157阅读
最近在尝试学习使用卷积神经网络对猫狗进行识别，准备猫、狗图片各500张图片，图片是大小不一的彩色图片。大致的实现思路：各准备猫、狗500张图片，并对其命名“cat.XXX.jpg”、“dog.XXX.jpg”，计划20%猫、20%狗作为验证，剩下做训练；图片大小归一化：使用OpenCV3把图片归一为64*64的彩色图片；读取图片内容（numpy数组，batchszie*64*64*3）、标签值（0
转载
2024-04-02 12:02:00
210阅读
注意：这是一个完整的项目，建议您按照完整的博客顺序阅读。目录三、训练和优化CNN模型1、搭建训练主循环2、训练时间的记录3、早期终止机制4、训练数据的可视化5、训练数据的保存与加载四、测试和运用CNN模型1、加载训练好的模型2、调用训练好的模型3、查看TensorBoard三、训练和优化CNN模型搭建好CNN模型的计算图之后，我们就可以来训练和优化该CNN模型了，即运行计算图。1、搭建训练主循环众
转载
2024-07-26 09:43:40
81阅读
文章目录猫狗大战数据集训练数据的读取(input_data.py)卷积神经网络模型的构造(model.py) 猫狗大战数据集 Cats vs. Dogs(猫狗大战)是Kaggle大数据竞赛某一年的一道赛题，利用给定的数据集，用算法实现猫和狗的识别。数据集可以从Kaggle官网上下载，即https://www.kaggle.com/c/dogs-vs-cats。数据集由训练数据和测试数据组成，训
转载
2023-10-27 05:02:04
832阅读
Tensorflow学习（使用jupyter notebook）Keras框架下的猫狗识别（一）Keras框架下的猫狗识别（二） Tensorflow学习（使用jupyter notebook）Tensorflow学习（使用jupyter notebook）前言一、VGG16-bottleneck是什么？二、使用步骤1.引入库2.读入数据3.模型补充总结 前言 紧接上文 上文构建出最为
转载
2023-12-27 11:10:05
92阅读
kaggle是一个为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台，在这上面有非常多的好项目、好资源可供机器学习、深度学习爱好者学习之用。碰巧最近入门了一门非常的深度学习框架：pytorch（如果你对pytorch不甚了解，请点击这里），所以今天我和大家一起用pytorch实现一个图像识别领域的入门项目：猫狗图像识别。 深度学习的基础就是数据，咱们先从数据谈起。此次使用的
转载
2024-01-23 20:16:30
168阅读
文章目录前言：Step1:准备数据Step2.网络配置Step3.模型训练 and Step4.模型评估Step5.模型预测 前言：虽然人类的识别能力很强大，但是对于高速发展的社会，人类自身识别能力已经满足不了我们的需求，于是就产生了基于计算机的图像识别技术，让计算机代替人类去处理大量的物理信息，解决人类无法识别或者识别率特别低的信息。基于图片识别的思想，我们想做基于卷积神经网络来做一次猫狗识别
转载
2023-08-23 12:28:10
535阅读
