用Inception-V3模型进行图像分类
Inception-V3模型简介本例使用预训练好的深度神经网络Inception-v3模型来进行图像分类。Inception-v3模型在一台配有 8 Tesla K40 GPUs，大概价值$30,000的野兽级计算机上训练了几个星期，因此不可能在一台普通的PC上训练。我们将会下载预训练好的Inception模型，然后用它来做图像分类。Inception-v3模型大约有2500万个参数，分类一张图像
Inception-V3模型简介
本例使用预训练好的深度神经网络Inception-v3模型来进行图像分类。Inception-v3模型在一台配有 8 Tesla K40 GPUs，大概价值$30,000的野兽级计算机上训练了几个星期，因此不可能在一台普通的PC上训练。我们将会下载预训练好的Inception模型，然后用它来做图像分类。
ImageNet数据集简介
ImageNet数据集包含1500万张图片，22000个类别。其子集对应的是目前最权威的图片分类竞赛LSVRC，包含100万张图片和1000个类别。
谷歌在大型图像数据库ImageNet上训练好了一个Inception-v3模型，这个模型可以直接用来进行图像分类。
输入：一张图片；
输出：与输入图相匹配的库内图片名及匹配分数。
工程文件
工程文件如下：
1. 
文件：就是训练好的Inception-v3模型；
2. 
文件：为类别文件，共包含2万多种类别，内容如下：
3. 
：为进行分类的代码；
4. 
：为分类的输入图；
5. 
：为镜像文件；
6. 
运行
1. 点击“开始”——选择“Anaconda Prompt”，如下所示；
2. 由于工程文件存放在E盘下，首先，需要修改目录路径，进入E盘；然后，再使用cd 进入各目录，如下所示：
3. 最后，使用python 文件名，运行即可，如下图所示：
结果
1. 输入为猫时，例图如下：
运行，获得库内分数最高的前5个（即获得输入图的类别），结果如下：
修改目标图为熊猫
1. 如果将目标图改为熊猫，例图为：
打开Classify.py文件，代码做如下修改：
运行结果如下：
2. 在 文件内，查找panda，即可找到所有panda：
修改目标图为鹦鹉
1. 如果将目标图修改为鹦鹉，例图为：
代码修改为：
2. 在Anaconda Prompt内输入python Classify.py，运行结果如下：
3. 由于Inception模型适用于299 * 299像素的输入图像。例子中的鹦鹉图像为320 * 785像素的图像，因此它将由Inception模型自动缩放。
4. 手动裁剪鹦鹉图像为299 * 299像素大小，然后输入到Inception模型中，例图如下：
代码修改为：
运行结果如下：
5. 修改鹦鹉图，只保留尾部，例图如下：
代码修改为：
运行结果为：
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
0
0- 0
已为社区贡献1条内容
所有评论(0)