基于ai studio平台paddle paddle框架进行的猫狗分类初探

引言

任务介绍

图像分类是根据图像的语义信息将不同类别图像区分开来，是计算机视觉中重要的基本问题，图像分类的挑战在于相似的视觉特性，不同的语义概念以及不相似的视觉特性，相同的语义概念。
猫狗分类属于图像分类中的粗粒度分类问题。
实践平台：百度AI实训平台AI-STUDIO。

任务目标

构建一个模型，根据鸢尾花的花萼和花瓣大小将其分为三种不同的品种。

模型选择

卷积神经网络（CNN）
卷积层：执行卷积操作提取底层到高层的特征，发掘出图片“局部特性”；
池化层：通过降采样的方式，在不影响图像质量的情况下，压缩图片，减少参数；
全连接层：池化完成后，将数据“拍平”，丢到Flatten层，然后把Flatten层的输出放到全连接层里，可采用softmax对其进行分类。

数据集

CIFAR-10数据集
cifar-10共60000张彩色图像，图像大小为3通道的32*32，分为10类，每类6000张
训练集：50000张用于训练，构成5个训练批，每批10000张图
测试集：其余10000张用于测试，单独成一批。
测试集从每类中随机取1000张，其余为训练集数据。

Paddle API提供了自动加载cifar数据集模块 paddle.dataset.cifar

注：左侧为CIFAR-10中代表的10个种类，右侧为每一类的10个随机图片。