使用 TensorFlow 进行图像识别
Image recognition using TensorFlow
我是 TensorFlow 的新手，正在寻求图像识别方面的帮助。是否有示例展示如何使用 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。
我建议使用 Google 训练好的 Inception 模型来进行图像识别。
请参考tensorflow网站上的例子"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性。您只需简单地为模型提供您自己的数据集。 Google 的 inception 的最后一个分类层将被修改，我们只训练最后一层。对于几千张不同类别的图像，只需要几个小时就可以完成训练。
请注意：为了使用示例，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很好的效果。为了说明迁移学习的好处，我将 "Transfer Learning on Trained GoogleNet" 与 "Build and train a 5-layer-Convnet from scratch" 进行了比较。分类任务是在 5 个类别的 5000 张图像上完成的。
查看这个简单示例：https://www.youtube.com/watch?v=QfNvhPx5Px8（在 5 分钟内构建 TensorFlow 图像分类器）
此 repo 为您自己的图像提供最后一层图像再训练。
将您的图像添加到训练中_"dataset folder"
添加越来越多的图片（每个 class 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 脚本重新训练输出验证准确性等的图像，
我是 TensorFlow 的新手，正在寻求图像识别方面的帮助。是否有示例展示如何使用 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。
我建议使用 Google 训练好的 Inception 模型来进行图像识别。 请参考tensorflow网站上的例子"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性。您只需简单地为模型提供您自己的数据集。 Google 的 inception 的最后一个分类层将被修改，我们只训练最后一层。对于几千张不同类别的图像，只需要几个小时就可以完成训练。 请注意：为了使用示例，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很好的效果。为了说明迁移学习的好处，我将 "Transfer Learning on Trained GoogleNet" 与 "Build and train a 5-layer-Convnet from scratch" 进行了比较。分类任务是在 5 个类别的 5000 张图像上完成的。
查看这个简单示例：https://www.youtube.com/watch?v=QfNvhPx5Px8（在 5 分钟内构建 TensorFlow 图像分类器）
此 repo 为您自己的图像提供最后一层图像再训练。
将您的图像添加到训练中_"dataset folder"
添加越来越多的图片（每个 class 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 脚本重新训练输出验证准确性等的图像，