针对cifar10的Resnet20结构，稳定跑出92左右的测试精度，符合原论文效果，源代码，数据集自下载，找不到可私信；针对cifar10的Resnet20结构，稳定跑出92左右的测试精度，符合原论文效果，源代码，数据集自下载，找不到可私信

数据预处理：将数据集按照类别进行分组处理，分别对应的目录为0-9，读取图片，保存数据集； 将数据集和标签按照相同的种子进行打乱处理，然后按照标签的比例进行分割数据集，80%作为训练集（训练集中的10%作为验证集，查看是否过拟合），20%作为测试集。 构建CNN模型，这里是基于TensorFlow2.0进行搭建的，具体代码如图所示： 其中包括输入层（32*32的图像，3通道），两个卷积层，1个池化层，重复一次，展平经过全连接层，最后输出层，除了输出层的激活函数是softmax，其他的都是relu。 模型训练，将处理后数据经过模型训练 模型预测，将处理后的测试集数据经过模型进行预测，分别输出模型对于测试集的召回率，精确率和F1测度。 根据预测结果和实际结果构建混淆矩阵

GitHub Classroom创建的2019-big-data-project-sparkles 使用Spark机器学习进行图像分类 2019大数据项目火花 Yoo Na Cha，Nupur Neti，Michael Schweizer 执行摘要 通过这个项目，我们能够： 接触到将图像数据集读取到分布式文件系统中的机会 了解如何配置Spark集群以添加任何必要的库 练习使用Spark处理非常大的非结构化数据集 熟悉使用mllib和sparkdl在Spark中进行机器学习 导航 代码文件 介绍 在以前的项目中，我们遇到了以下问题：计算机内存没有足够的能力来执行模型，或者执行该模型的时间过长。 对于需要较大数据集和昂贵计算的图像分类项目，此问题尤其常见。 关于这一点，我们选择image classification作为该最终项目的主题，以探索如何应用在本课程中学习到的知识来克服此类限制。

pytorch官方文档 源码整合 亲测可运行

判断商品图片是否带广告文字，基于百度ocr免费api实现

17flowers图片数据集，共17种花的类别，每种花有80张jpg图片 按花的类别整理17个子文件夹

图像分类数据集：17个类别的花朵数据集，训练集800张，验证集和测试集260张

用来做分类的图像数据集，包含17个花卉种类，17个文件夹。可以根据自己的需求调整数量。

。。。。。。。使用matlab实现图片分类

人脸识别图片分类检索系统是利用人脸识别技术对照片中的人脸进行识别，把同一个人不同时间地点的照片提取归类。 照片按人脸进行分类，实现了人脸入库，分类检索，1:1比对和1:N比对，免费版可设置500张照片。 每秒比对人脸5-6万张。实现了百万级数据库分秒检索完成。正脸情况下可以达到97%以上的成功率。