cnn-classification-dog-vs-cat 基于CNN的图像分类器，使用Kaggle的猫狗图片数据。 1 requirement python3 numpy >= 1.14.2 keras >= 2.1.6 tensorflow >= 1.6.0 h5py >= 2.7.0 python-gflags >= 3.1.2 opencv-python >= 3.4.0.12 2 Description of files inputs: 猫狗图片样本数据，，使用keras库中的类读取，需要将每个类的图片放在单独命名的文件夹中存放； train.py: 自建的简单CNN，训练后测试集精度约83%； pre_train.py: 利用已训练的常用网络(基于数据集训练)，进行迁移学习，测试集精度约95%以上； data_helper.py: 数据读取和预处理模块； img_cnn.py:

tflearn训练的猫狗识别模型，文章中已经处理好的.npy文件可直接进行搭建后使用。

该数据集分为二个部分,JPEGImages和Annotations.JPEGImages文件夹中有1400+张各种场景的猫图像,共2000+个猫标注框. 并对每张图片使用labelimg做了人工标注,标注对应的xml文件放在了Annotations文件夹中. 本数据集图片清晰,场景广泛,精心挑选,人工标注.适用于任意场景,可作为猫检测的模板数据集. 本数据集兼顾了猫的近景,中景,远景,对任意场景都有较好的检测效果. 应用特定场景时,只需加入部分特定场景数据,即可满足对特定场景猫的检测. 免去了收集,挑选,标注猫图片的时间,可直接进行工程化应用.