神经网络实现猫的种类识别

创作时间:

作者:

@小白创作中心

神经网络实现猫的种类识别

引用

CSDN

https://blog.csdn.net/yeler082/article/details/86373650

本文介绍了如何使用神经网络实现猫的种类识别，包括使用简单网络结构和ResNet50两种方法。文章详细描述了数据预处理、训练和测试等关键环节，并提供了具体的项目文件结构和操作步骤。

神经网络实现猫的种类识别

代码地址：https://github.com/yeLer/cat_kind

实现的主要部分有

简单的网络结构在猫的种类识别上的应用，测试准确率0.832
使用resNet50在猫的种类识别上的应用，测试准确率0.866
使用数据增强解决过拟合问题，并提高测试准确率，测试准确率0.999

项目文件夹说明

  
------
cat_kind  项目文件名
    |----cat_data_resNet50  存放用于resNet网络训练的数据
        |----train      训练数据
        |----test       测试数据
    |----cat_kind_data  存放用于简单案例网络训练的数据（train.py）
        |----train      训练数据
        |----test       测试数据
    |----dataAug    数据增强后存放训练集的位置
    |----models     保存训练模型的位置
    |----predict_imgs   测试过程中使用的图片文件夹
    |----resnet_example     使用resnet网络的文件夹
        |----predict_on_resnet.py   预测的时候使用的文件
        |----resnet50.py    定义resnet网络的文件
        |----train_on_resnet.py     训练resnet的文件
    |----source_images      数据集的原始文件夹
        |----孟买猫
        |----布偶猫
        |----暹罗猫
        |----英国短毛猫
    |----tools      工具文件夹
        |----data_aug.py    数据增强
        |----prepare_data.py    数据预处理
    |----predict.py     使用简单网络进行预测的文件
    |----requirement.txt    环境依赖
    |----train.py       使用简单网络进行训练的文件

step1 数据集预处理
使用文件：prepare_data.py
包括的操作有：
图片重命

在renameJPG()方法实现，重命名的意图有两个，第一是将图片都统一为一种图片类型，
第二个目的是给图片添加训练标签（当然也可以将标签写在文件当中，这里只是一种简便的
做法）
图片转换为统一的格式
图片重命名保存的过程中将图片统一格式
图片统一大小
该网络要求输入图片的大小为(100,100),所以运行时要修改out_img_size为(100,100)，数据集保存位置save_dir为cat_kind_data
将图片按照一定的比例划分
按照比例9:1将数据划分为训练集和测试集,默认参数为0.9

step2 训练

使用文件：train.py，直接执行

step3 测试

使用文件：predict.py，直接执行

二使用经典网络ResNet50实现猫的种类识别

由于resnet网络较为复杂，在少量的数据集情况下结果容易出现过拟合，所以首先进行数据增强的处理

step1 数据增强
直接运行data_aug.py，然后会在dataAug文件夹下生成四个对应猫种类的文件夹，相应的参数可以在data_aug.py调整

step2 数据集预处理
使用文件：prepare_data.py
包括的操作有：
图片重命名

在renameJPG()方法实现，重命名的意图有两个，第一是将图片都统一为一种图片类型，
第二个目的是给图片添加训练标签（当然也可以将标签写在文件当中，这里只是一种简便的
做法）
图片转换为统一的格式
图片重命名保存的过程中将图片统一格式
图片统一大小
在resNet中要求图片的大小在197——224之间，这里将图片的大小统一在224*224
将图片按照一定的比例划分
按照比例9:1将数据划分为训练集和测试集