打造自己的图像识别模型项目总结

Posted 2021-04-07 人工智能十分钟

——人工智能十分钟

温故而知新

这个项目首先简要介绍了微调神经网络的基本原理，接着详细介绍了如何使用TensorFlow Slim微调预训练模型，包括数据准备、定义新的datasets文件、训练、验证、导出模型井测试单张图片等。如果需要训练自己的数据，可以参考之前的步骤，修改相应的代码，来打造自己的图像识别模型！

拓展阅读

TensorFlow Slim是TensorFlow中用于定义、训练和验证复杂网络的高层API。官方已经使用TF-Slim定义了一些常用的图像识别模型，如AlexNet、VGGNet、Inception模型、ResNet等。本章介绍的Inception V3模型也是其中之一，详细文档请参考下面的链接。

官方链接：

https://github.com/tensorflow/models/tree/master/research/slim

在前面的内容中，涉及到将图片数据转换成了TFRecord文件。TFRecord是TensorFlow提供的用于高速读取的数据文件格式。读者可以参考下面的链接去详细了解如何将数据转换为TFRecord文件，以及如何从TFRecord文件中读取数据。

博文链接：

http://warmspringwinds.github.io/tensorflow/tf-slim/2016/12/21/tfrecords-guide/

Inception V3是Inception模型（即GoogLeNet）的改进版，可以参考论文Rethinking the Inception Architecture for Computer Vision了解其结构细节。

官方链接：

https://arxiv.org/pdf/1512.00567v3.pdf

下期预告：Deep Dream 的技术原理

人工智能十分钟

人工智能那么有趣，你不进来学几招再走么？

(长按二维码进行关注)