手把手教你完成图像分类实战

2024-06-22 10:09| 来源: 网络整理| 查看: 265

在很多的项目中，都会用到图像识别技术。我在智能电子秤的项目中，就使用了简单的图像识别算法来完成对果蔬的分类（三分类）。图像识别中，最常用的框架就是TensorFlow，我们今天就使用这个框架，手把手教学完成图像识别分类。完成一个图像识别模块主要包括四步：

采集数据集搭建合适的模型调参、训练并测试完成接口到项目中

关于环境的配置我在此处不多赘余描述，可以自行百度搜索，进行环境配置：python3.6+tensorflow+opencv。关于编译器，我在此处推荐spyder。使用起来非常方便，非常适合数据处理和图像识别。 spyder界面

采集数据集

首先，我们需要对分类的物体采集数据集。数据集会直接影响图像识别最后的精确度，所以我们在采集数据集的时候，需要严格按照要求，完成一个高质量的数据集。互联网上并没有总结数据集的要求，这里我用我自己的经验来总结几点：

需要数据集数量大（需要充分对数据进行训练）如果初学者不知道需要训练多少张，这里给出一个大概的推荐值供参考，如果是三分类，建议每种选取1000张以上代表性能力强的图像，如果代表性不强，建议两千张以上。我在实际的项目中，在超市中购买了三种果蔬，每种购买了十个左右，来采集数据集，这就是代表性很差的情况，所以我为了最终的识别效果，每一种拍摄了两千多张。建议初学者可以在互联网上查询现有的数据集，加入进自己的数据集中，也可以使用python爬虫，在百度图片进行爬取并手动筛选。此处给出一个百度图片的爬虫源码，可以很方便的爬取图片。 # -*- coding: utf-8 -*- # @Author : Ein import re import requests from urllib import error from bs4 import BeautifulSoup import os num = 0 numPicture = 0 file = '' List = [] def Find(url): global List print('正在检测图片总数，请稍等.....') t = 0 i = 1 s = 0 while t = numPicture: return if __name__ == '__main__': # 主函数入口 word = input("请输入搜索关键词(可以是人名，地名等): ") # add = 'http://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=%E5%BC%A0%E5%A4%A9%E7%88%B1&pn=120' url = 'http://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=' + word + '&pn=' tot = Find(url) Recommend = recommend(url) # 记录相关推荐 print('经过检测%s类图片共有%d张' % (word, tot)) numPicture = int(input('请输入想要下载的图片数量 ')) file = input('请建立一个存储图片的文件夹，输入文件夹名称即可') y = os.path.exists(file) if y == 1: print('该文件已存在，请重新输入') file = input('请建立一个存储图片的文件夹，)输入文件夹名称即可') os.mkdir(file) else: os.mkdir(file) t = 0 tmp = url while t

【本文地址】

公司简介

联系我们