使用 TensorFlow 进行图像识别 [关闭]

Posted 2023-03-13

【中文标题】使用 TensorFlow 进行图像识别 [关闭]

【英文标题】：Image recognition using TensorFlow [closed]

【发布时间】：2016-04-14 04:38:49

【问题描述】：

我是 TensorFlow 新手，正在寻求图像识别方面的帮助。是否有一个示例展示了如何使用 TensorFlow 训练您自己的数字图像以进行图像识别，例如 TensorFlow image recognition tutorial 中使用的 image-net 模型

我查看了 CIFAR-10 模型训练，但它似乎没有提供训练您自己的图像的示例。

【问题讨论】：

您可以使用 mnisten github.com/nyanp/mnisten 将图像转换为 idx 格式，然后使用 tensor flow mnist 教程，使用 ***.com/questions/33784214/… 中的答案修改代码

@alfredo1389，我无法构建 mnisten 脚本。它产生这个错误In file included from src/main.cpp:11: /usr/local/include/opencv/cv.hpp:50:10: error: 'cv.h' file not found with <angled> include; use "quotes" instead #include <cv.h> ^ src/main.cpp:12:10: fatal error: 'opencv2/highgui.hpp' file not found #include <opencv2/highgui.hpp> ^ 2 errors generated. make: *** [mnisten] Error 1

【参考方案1】：

我建议使用 Google 训练有素的 Inception 模型进行图像识别。 请参考 tensorflow 网站上的示例“How to Retrain Inception's Final Layer for New Categories”。它位于https://www.tensorflow.org/versions/r0.9/how_tos/image_retraining/index.html。

使用经过训练的模型很容易，并且可以达到合理的准确度。您只需使用您自己的数据集来提供模型。谷歌初始的最后一个分类层会被修改，我们只训练最后一层。对于数千张不同类别的图像，只需几个小时即可完成训练。 请注意：为了使用该示例，您必须从源代码构建 tensorflow。

我正在使用迁移学习功能并取得了非常好的结果。为了说明迁移学习的好处，我将“在训练的 GoogleNet 上迁移学习”与“从头开始构建和训练 5 层卷积网络”进行比较。分类任务是在 5000 张图片上完成的，分为 5 个类别。

看这个简单的例子：https://www.youtube.com/watch?v=QfNvhPx5Px8（在 5 分钟内构建一个 TensorFlow 图像分类器）

【讨论】：

是否有相同的文档，而不仅仅是 youtube 视频？ image-retrain 上的 tensorflow 文档是有限的。

【参考方案2】：

此 repo 为您自己的图像提供最终层图像再训练。

将您的图像添加到 training_“数据集文件夹”

添加越来越多的图片（每个班级至少需要 30 张图片。）

首先执行 bash 脚本下载 Imagenet 文件。

接下来，运行 python 脚本来重新训练输出验证准确性等的图像，

https://github.com/shivakrishna9/tensorflow-retrain