本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，今天我和大家一起实现tensorflow2.X版本图像分类任务，分类的模型使用MobileNetV3。本文实现的算法有一下几个特点：
1、自定义了图片加载方式，更加灵活高效，不用将图片一次性加载到内存中，节省内存,适合大规模数据集。
2、加载模型的预训练权重，训练时间更短。
3、数据增强选用albumentations。
4、使用classification_report评估模型。
详见文章链接：
https://wanghao.blog.csdn.net/article/details/122797153?spm=1001.2014.3001.5502
2022-02-06 16:06:09
937.12MB
本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，今天我和大家一起实现tensorflow2.X版本图像分类任务，分类的模型使用MobileNetV3。
通过这篇文章你可以学到：
1、了解MobileNetV3的特点。
2、如何加载图片数据，并处理数据。
3、如果将标签转为onehot编码
4、如何使用数据增强。
5、如何使用mixup。
6、如何切分数据集。
7、如何加载预训练模型。
原文链接：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/122795928
2022-02-06 12:05:53
937.3MB
本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，今天我和大家一起实现tensorflow2.X版本图像分类任务，分类的模型使用MobileNetV2，MobileNetV2在MobileNetV1的基础上增加了线性瓶颈（Linear Bottleneck）和倒残差（Inverted Residual）是一种轻量级的网络，适合应用在真实的移动端应用场景。
关于MobileNetV2的介绍可以看我以前的文章：
https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/122766065
通过这篇文章你可以学到：
1、如何加载图片数据，并处理数据。
2、如果将标签转为onehot编码
3、如何使用数据增强。
4、如何使用mixup。
5、如何切分数据集。
6、如何加载预训练模型。
详见文章：https://wanghao.blog.csdn.net/article/details/122773967
2022-02-03 12:05:14
961.09MB
本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，今天我和大家一起实现tensorflow2.X版本图像分类任务，分类的模型使用MobileNetV2。本文实现的算法有一下几个特点：
1、自定义了图片加载方式，更加灵活高效，不用将图片一次性加载到内存中，节省内存,适合大规模数据集。
2、加载模型的预训练权重，训练时间更短。
3、数据增强选用albumentations。
文章链接：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/122768747
2022-02-02 17:05:56
937.01MB
本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，今天我和大家一起实现tensorflow2.X版本图像分类任务，分类的模型使用MobileNetV1。本文实现的算法有一下几个特点：
1、自定义了图片加载方式，更加灵活高效，不用将图片一次性加载到内存中，节省内存,适合大规模数据集。
2、加载模型的预训练权重，训练时间更短。
3、数据增强选用albumentations。
2022-01-27 09:12:29
970.3MB
简易石头剪刀布tensorflow2.0学习检测软件，并使用已经训练好的模型判别石头剪刀布
2022-01-26 17:07:36
246.45MB
1
本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，今天我和大家一起实现tensorflow2.X版本图像分类任务，分类的模型使用MobileNet，其核心是采用了深度可分离卷积，其不仅可以降低模型计算复杂度，而且可以大大降低模型大小，本文使用的案例训练出来的模型只有38M，适合应用在真实的移动端应用场景。
关于MobileNet的介绍可以看我以前的文章：https://wanghao.blog.csdn.net/article/details/122699618
通过这篇文章你可以学到：
1、如何加载图片数据，并处理数据。
2、如果将标签转为onehot编码
3、如何使用数据增强。
4、如何使用mixup。
5、如何切分数据集。
6、如何加载预训练模型。
详见文章链接：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/122700746
2022-01-26 17:07:35
936.3MB
本例提取了猫狗大战数据集中的部分数据做数据集，演示tensorflow2.X版本如何使用Keras实现图像分类，分类的模型使用InceptionV3。本文实现的算法有一下几个特点：
1、自定义了图片加载方式，更加灵活高效，不用将图片一次性加载到内存中，节省内存,适合大规模数据集。
2、加载模型的预训练权重，训练时间更短。
3、数据增强选用albumentations。
详见文章：https://wanghao.blog.csdn.net/article/details/122642906
2022-01-23 10:05:51
936.32MB
本例提取了猫狗大战数据集中的部分数据做数据集，演示tensorflow2.X版本如何使用Keras实现图像分类，分类的模型使用ResNet50。本文实现的算法有一下几个特点：
1、自定义了图片加载方式，更加灵活高效，不用将图片一次性加载到内存中，节省内存,适合大规模数据集。
2、加载模型的预训练权重，训练时间更短。
3、数据增强选用albumentations。
2022-01-23 09:15:29
936.29MB