颜色分类leetcode-Food-Recognition:使用Python中的Keras和R中的Shiny包进行基于CNN的食物识别

上传者: 38720322 | 上传时间: 2021-09-29 16:42:25 | 文件大小: 24.49MB | 文件类型: ZIP
颜色分类leetcode 食物识别 使用 Python 中的 Keras 和 R 中的 Shiny 包进行基于 CNN 的食物识别。 工作项目 合作项目 抽象的 在这个项目中,我们制作了一个食物识别和卡路里估计系统,它使用用户提供的食物图像来识别食物,然后估计同一食物中存在的卡路里。 食品图像识别是视觉对象识别在计算机视觉中的有前景的应用之一。 该系统使用图像处理和计算智能来识别食品。 我们训练了一个大型深度卷积神经网络来对每个类别的 1000 张高分辨率图像进行分类。 卷积神经网络 卷积神经网络 (CNN) 为许多一般图像分类问题提供了一种技术。 它已被应用于食品分类并获得了很高的准确率。CNN 广泛用于食品识别,并提供比传统方法更好的性能。 在过去的几年里,由于深度学习的进步,特别是卷积神经网络的进步,识别和识别图像的准确率已经大大提高。 这不仅是因为更大的数据集,还因为新算法和改进的深层架构。 卷积神经网络 (CNN) 由于其发明者而也被称为 LeNet。 CNN 主要包括卷积层、池化层和子采样层,其次是全连接层。 CNN 的第一个架构采用输入图像并应用卷积,然后进行子采样。 经

文件下载

资源详情

[{"title":"( 25 个子文件 24.49MB ) 颜色分类leetcode-Food-Recognition:使用Python中的Keras和R中的Shiny包进行基于CNN的食物识别","children":[{"title":"Food-Recognition-master","children":[{"title":"rsconnect","children":[{"title":"shinyapps.io","children":[{"title":"samyakjain","children":[{"title":"FoodDetection.dcf <span style='color:#111;'> 268B </span>","children":null,"spread":false},{"title":"FoodRecognition.dcf <span style='color:#111;'> 276B </span>","children":null,"spread":false}],"spread":true}],"spread":true}],"spread":true},{"title":"www","children":[{"title":"food.png <span style='color:#111;'> 632.45KB </span>","children":null,"spread":false},{"title":"fast.jpg <span style='color:#111;'> 353.11KB </span>","children":null,"spread":false},{"title":"pizza.jpg <span style='color:#111;'> 992.97KB </span>","children":null,"spread":false},{"title":"waffles.jpg <span style='color:#111;'> 343.04KB </span>","children":null,"spread":false},{"title":"burger.jpg <span style='color:#111;'> 339.46KB </span>","children":null,"spread":false},{"title":"cake.jpg <span style='color:#111;'> 410.67KB </span>","children":null,"spread":false},{"title":"icecream.jpg <span style='color:#111;'> 421.80KB </span>","children":null,"spread":false},{"title":"insertPhoto.png <span style='color:#111;'> 4.72KB </span>","children":null,"spread":false},{"title":"fries.jpg <span style='color:#111;'> 226.15KB </span>","children":null,"spread":false}],"spread":true},{"title":"server.R <span style='color:#111;'> 3.45KB </span>","children":null,"spread":false},{"title":"PredictImages","children":[{"title":"296611.jpg <span style='color:#111;'> 52.64KB </span>","children":null,"spread":false}],"spread":true},{"title":"my_model3.h5 <span style='color:#111;'> 25.09MB </span>","children":null,"spread":false},{"title":"Predict Image.png <span style='color:#111;'> 850.51KB </span>","children":null,"spread":false},{"title":"After uploading.png <span style='color:#111;'> 992.65KB </span>","children":null,"spread":false},{"title":".Rhistory <span style='color:#111;'> 74B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 6.29KB </span>","children":null,"spread":false},{"title":"TrainModelUsing","children":[{"title":"Train Model.py <span style='color:#111;'> 2.80KB </span>","children":null,"spread":false}],"spread":true},{"title":"ui.R <span style='color:#111;'> 1.13KB </span>","children":null,"spread":false},{"title":"Before Uploading.png <span style='color:#111;'> 457.16KB </span>","children":null,"spread":false},{"title":"REPORT.pdf <span style='color:#111;'> 312.89KB </span>","children":null,"spread":false},{"title":"model_prediction.R <span style='color:#111;'> 272B </span>","children":null,"spread":false},{"title":"slideshow.html <span style='color:#111;'> 2.94KB </span>","children":null,"spread":false},{"title":"TrainModel on R.R <span style='color:#111;'> 1.20KB </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明