Python 基于张量流的图像识别
我是TensorFlow的新手,正在寻求图像识别方面的帮助。是否有一个示例演示了如何使用TensorFlow来训练您自己的数字图像,以进行图像识别,如中使用的图像网络模型Python 基于张量流的图像识别,python,image-recognition,tensorflow,Python,Image Recognition,Tensorflow,我是TensorFlow的新手,正在寻求图像识别方面的帮助。是否有一个示例演示了如何使用TensorFlow来训练您自己的数字图像,以进行图像识别,如中使用的图像网络模型 我查看了CIFAR-10模型培训,但它似乎没有提供培训您自己图像的示例。我建议使用谷歌经过培训的Inception模型进行图像识别。 请参考tensorflow网站上的示例“如何为新类别重新培训Inception的最后一层”。现在是 使用经过训练的模型很容易,并且可以达到合理的精度。您只需向模型提供您自己的数据集。谷歌《盗梦空
我查看了CIFAR-10模型培训,但它似乎没有提供培训您自己图像的示例。我建议使用谷歌经过培训的Inception模型进行图像识别。 请参考tensorflow网站上的示例“如何为新类别重新培训Inception的最后一层”。现在是 使用经过训练的模型很容易,并且可以达到合理的精度。您只需向模型提供您自己的数据集。谷歌《盗梦空间》的最后一个分类层将被修改,我们只训练最后一层。对于数千张包含多个类别的图像,只需几个小时即可完成训练。 请注意:为了使用该示例,您必须从源代码构建tensorflow 我正在使用迁移学习功能,并取得了非常好的效果。为了说明迁移学习的好处,我将“在经过培训的谷歌网上进行迁移学习”与“从头开始构建并培训一个5层的网络”进行比较。分类任务是在5个类别的5000幅图像上完成的
请看这个简单的示例:(在5分钟内构建一个TensorFlow图像分类器)此repo为您自己的图像提供最终层图像重新训练 将图像添加到“数据集文件夹” 添加越来越多的图像(每个类至少需要30个图像。) 首先执行bash脚本以下载Imagenet文件 接下来,运行python脚本重新训练图像,输出验证精度等
您可以使用mnisten将图像转换为idx格式,然后使用tensor flow mnist教程,使用@Alfred1389中的答案修改代码,我无法构建mnisten脚本。它在src/main.cpp:11:/usr/local/include/opencv/cv.hpp:50:10包含的文件中生成此错误
:错误:“未找到包含的cv.h”文件;改为使用“引号”#包含^src/main.cpp:12:10:致命错误:“未找到opencv2/highgui.hpp”文件#包含^2个生成的错误。make:**[mnisten]错误1
是否有相同的文档,而不仅仅是youtube视频?tensorflow文档在图像重训练中受到限制。