10-Tensorflow之图像识别网络篇
Posted 深度学习和机器视觉
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了10-Tensorflow之图像识别网络篇相关的知识，希望对你有一定的参考价值。
1. 背景
深度学习涉及到图像就少不了CNN模型, 前面我做过几个关于图像的练习, 使用的CNN网络也不够”Deeper”. 有时候需要用到更复杂的网络结构. 本文就使用TensorBoard 看看 Inception V3 模型的网络结构.
Inception (GoogLeNet)是Google 2014年发布的Deep Convolutional Neural Network,其它几个流行的CNN网络还有QuocNet, AlexNet, BN-Inception-v2, VGG, ResNet等等.
2. 模型的保存及载入
tensorflow.train.Saver()方法去保存模型
运行结果:
.......
restore()方法去载入一个训练好的模型
当载入训好的模型后, 准确率一下就高很多了
3. 下载Google图像识别网络inception-V3
下载好模型后, 可以根据 tensorboard 去查看网络结构
运行结果:
代码执行完成后会有这样的文件
3. 图像识别网络
要用到下载好的 Google inception模型中三个主要文件
代码:
准备好要识别的图片以及文件夹
运行结果:
晒一张小编的PS照片, 别喷我哦
4. Error
本文的 Error 在 MAC OS 系统一定会发生, 因为在创建文件夹放被识别图片的时候，本身文件夹内会由系统在创建文件夹的时候自动生成一个隐藏文件.DS_Store, 由于图片格式被定性为Jpeg, 所以导致文法识别.DS_Store而引发错误, 不过 Window和Linux不用为此担心哦. 解决方案放在了项目代码中.
以上是关于10-Tensorflow之图像识别网络篇的主要内容，如果未能解决你的问题，请参考以下文章
[Python从零到壹] 六十五.图像识别及经典案例篇之图像霍夫变换详解
[Python从零到壹] 六十.图像识别及经典案例篇之基于阈值及边缘检测的图像分割
卷积神经网络CNN在图像识别问题应用综述（20191219）