Vehicle_image_recognition

上传者: 42099906 | 上传时间: 2023-01-10 16:05:41 | 文件大小: 933KB | 文件类型: ZIP
车辆图像识别 概括 该项目的目标是根据斯坦福大学AI网站( )上预先配置的数据集,按品牌,型号和年份对汽车进行分类。 数据预先设置了所有图像的标签和边框。 将图像调整为边界框尺寸,并保存为原始图像。 通过使用TensorFlow的图像数据生成器将图像转换为像素数据矩阵,使用了卷积神经网络将看不见的验证图像分类为不同的汽车品牌。 从网站上找到的所有数据的总和来看,总共有16,185张图像,分为90/10的训练/测试比率。 像EfficientNet系列和InceptionV3这样的预先训练的模型,以前在'Imagenet'数据集上进行了训练,用于获得〜85%的最终精度。 结果 使用EfficientNetB1的模型格式,其中一部分图层保持在ImageNet数据集上学习的预训练权重,基于CNN模型看不到的图像,预测特定汽车的年份,品牌和模型的准确性达到〜85%。 。 以下是结果和模型的摘要:

文件下载

资源详情

[{"title":"( 18 个子文件 933KB ) Vehicle_image_recognition","children":[{"title":"Vehicle_image_recognition-main","children":[{"title":".DS_Store <span style='color:#111;'> 6.00KB </span>","children":null,"spread":false},{"title":"modeling","children":[{"title":"devkit","children":[{"title":"README.txt <span style='color:#111;'> 1.62KB </span>","children":null,"spread":false},{"title":"cars_train_annos.mat <span style='color:#111;'> 183.51KB </span>","children":null,"spread":false},{"title":"cars_meta.mat <span style='color:#111;'> 3.10KB </span>","children":null,"spread":false},{"title":"eval_train.m <span style='color:#111;'> 1.22KB </span>","children":null,"spread":false},{"title":"train_perfect_preds.txt <span style='color:#111;'> 27.46KB </span>","children":null,"spread":false},{"title":"cars_test_annos_withlabels.mat <span style='color:#111;'> 181.40KB </span>","children":null,"spread":false},{"title":"cars_test_annos.mat <span style='color:#111;'> 152.18KB </span>","children":null,"spread":false}],"spread":true},{"title":"efficientnet_b0.ipynb <span style='color:#111;'> 72.51KB </span>","children":null,"spread":false},{"title":"modeling_efficient_net_b0.ipynb <span style='color:#111;'> 72.48KB </span>","children":null,"spread":false},{"title":"simple_custom_model.ipynb <span style='color:#111;'> 71.06KB </span>","children":null,"spread":false},{"title":"InceptionV3.ipynb <span style='color:#111;'> 67.21KB </span>","children":null,"spread":false},{"title":"efficientnet_b2.ipynb <span style='color:#111;'> 70.59KB </span>","children":null,"spread":false},{"title":"efficientnet_b1.ipynb <span style='color:#111;'> 69.82KB </span>","children":null,"spread":false},{"title":".DS_Store <span style='color:#111;'> 8.00KB </span>","children":null,"spread":false}],"spread":true},{"title":"image_prep","children":[{"title":"image_prep.ipynb <span style='color:#111;'> 282.41KB </span>","children":null,"spread":false}],"spread":true},{"title":".gitignore <span style='color:#111;'> 1.76KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 2.77KB </span>","children":null,"spread":false}],"spread":true}],"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