基于Pytorch的迁移学习+集成学习的水果霉变区分的设计与实现
1. 使用迁移学习+集成学习的思想来实现对于常见水果的好坏进行分类，使用Pytorch官方基于imageNet所训练好成熟框架体系，选择了机器学习界十分流行的四大网络架构densenet， googlenet，resnet，efficientnet使用迁移学习的办法，只修改其输出层的相关参数,进行冻结训练，在迭代训练过10次之后，对模型进行了解冻训练，使其可以修改整个网络结构参数，让我们的网络结构更加的贴合我们实际所使用的分类图像，同时四个网络训练框架训练完成之后，采用集成学习的思想，将四个框架模型进行了集成得到了最终的网络架构
2. 同时为了提升数据的泛化性，对实验数据进行了随机的裁剪，色调调节，归一化标准化，随机放射变化等一系列图像的预处理和图像增广
3. 使用了PyQt工具包进行了应用拓展,可以使用网上自由选择一张图片来进行水果的识别.
4.训练过程中使用了tesorboard对训练集和验证集的参数进行记录,保存已经训练好的模型参数,最后测试模型时绘制多分类的ROC曲线,与混淆矩阵
5.文件有相关的代码,预训练好的模型,相关的文档,还有ppt,数据集,和使用说明
文件下载
资源详情
[{"title":"（ 12127 个子文件 686.23MB ） 基于Pytorch的迁移学习+集成学习的水果霉变区分的设计与实现","children":[{"title":"小组ppt.pptx <span style='color:#111;'> 4.04MB </span>","children":null,"spread":false},{"title":"智能算法期末项目报告.docx <span style='color:#111;'> 3.66MB </span>","children":null,"spread":false},{"title":"IMG_20190910_175503_1.jpg <span style='color:#111;'> 20.35KB </span>","children":null,"spread":false},{"title":"IMG_8015.jpg <span style='color:#111;'> 14.24KB </span>","children":null,"spread":false},{"title":"IMG_20190910_175655.jpg <span style='color:#111;'> 19.49KB </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多，未全部展示</span>","children":null,"spread":false}],"spread":true}]
评论信息
其他资源
- 376.1协议解析源代码
- 万能采集卡驱动及应用软件（适合win7\win8\win10）
- QT群聊私聊.zip
- linux C/C++ 数据库连接池
- 基于Verilog的cordic反正切FPGA例程
- ex4_to_mq4无限制版
- 全国省市区城镇村街道 非常全，非常详细的数据库文件
- VI Package Manager 2016（vipm）
- 数据通信与计算机网络 杨心强
- 74系列-54系列芯片资料大全
- BM3D去噪python代码
- ThinPc激活证书
- js颜色码转RGB.docx
- Matlab谱表现法生成过滤的Kanai-Tajimi谱(金井清谱)，再生成加速度样本，用时域和频域进行计算和统计样本与原始谱进行分析(内附代码，论文 .zip
- VBA教材完全版.rar
- 图像处理chart图
- 快速充电器制作
- 多QOS约束的组播路由优化算法
- opencv人脸识别源码
- swt.jar 32&64
- VC++编写的音频播放器代码
- 青鸟租房网系统
- 802.11ad 标准草案
- JSP中英文参考文献(毕业论文用)
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
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