19年不务正业，入门跟着福大师学习CV领域，刚好看到参加华为垃圾分类CV赛，有幸获得一个亚军，比赛过去有点久了，具体的代码内容就不再分享，分享下当时答辩的PPT，有兴趣的同学欢迎探讨！ pS：CV界调包侠和调参侠特别吃香，小厂辛辛苦苦研究心的算法可能新开源的一个直接完爆你的研究。这真的是一项重资产的工程，大部分场景拼的是数据和资源。 在数据和资源不平等的条件下，考虑算法实在是太难为科学家了！   技巧总结 1、10比赛9融合五折交叉、十折交叉后融合，效果特别好 2、模型的尝试和选择非常重要，不同的数据和任务模型差异非常大， 并不是根据github或者论文对比里面的准确度。 3、融合的方式：加权平均、几何平均，靠上分尝试，在每天有剩余次数 的情况下，做更多的融合尝试 4、融合模型之间的差异性，数据处理的差异性，模型基础网络的差异性。（MIC融合） 5、后处理TTA，将图片多次处理后预测后融合。

数据集包含了1200幅水稻和其他杂草的图片，可以用于图像分类练习，图片名称为标签。作为深度学习初学者希望能够给大家提供帮助

这是2020年未来杯水下图像分类比赛的初赛数据集，对应我的博客《Efficientnet_pytorch训练自己的数据集，并对数据进行分类》，大家可以自行下载配合博客里面相关代码使用。

图像分类器：使用预训练模型-“ MobileNet”和tensorFlow.js构建的基本图像分类器

基于effciennet训练的20类海洋生物分类模型，精度96%

本数据为卫星图像数据集，含有上千张卫星不同种类的卫星拍摄图像，并且已经进行分类和归一化处理，下载后可以直接使用，可以用于深度学习等多个领域。

本文件为鸟类图像数据，共含有七种不同的鸟类图像 ，每一种均有大量的图像数据，下载后可以直接使用，简单便捷，适用于深度学习的图像分类和图像识别的研究学习工作。

keras搭建AlexNet网络，对猫狗图片进行二分类，附有24000张图片用作训练测试。

利用keras实现VGG16模型，对猫狗图片进行二分类，附有24000张图片作为训练测试

这里设置了1-10的分类图片，可以根据自己的实际需求，减少分类标准以及数据源，代码中已经是直接排版好的m文件，使用时双击代码，matlab实现，希望对你BP神经网络的分类识别学习有所帮助