inceptionv3 /v4迁移学习图像分类

针对6类图像分类任务,由于数据量小且类别不均衡,导致准确率问题。通过使用InceptionV3/V4的预训练权重进行迁移学习,以增强模型的泛化能力。利用slim库构建模型,并在多个公开数据集上验证。用户需自行准备Inception模型权重和定制数据集,提供v3的训练和测试流程。

研究一个图像分类的任务,现在的问题是对6类图像数据做分类任务,数据的特征是每一类都只有非常少的数据,并且存在类别不平均,在这种情况下我们的实验结果存在准确率的问题,对于少量数据,采用端到端从头开始训练的方法,模型学习到的特征很少,泛化能力不够,采用从ImageNet数据集训练得到的结果,我们可以采用预训练权重初始化特定的深度网络,如这里的Inception网路,采用slim轻量库构建模型,模型在三个公开数据集上的实例已经在github中可见,参照实例可用训练自定义的网络模型。

需要自己下载inceptionv3/v4的预训练权重,以及自定义的数据集。

构建数据训练代码,v3的训练和测试过程如下

python download_and_convert_data.py \
  --dataset_name=flowers \
  --dataset_dir=${DATASET_DIR}

# Fine-tune only the new layers for 1000 steps.
python train_image_classifier.py \
  --train_dir=${TRAIN_DIR} \
  --dataset_name=flowers \
  --dataset_split_name=train \
  --dataset_dir=${DATASET_DIR} \
  --model_name=inception_v3 \
  --checkpoint_path=${PRETRAINED_CHECKPOINT_DIR}/inception_v3.ckpt \
  --checkpoint_exclude_scopes=InceptionV3/Logits,InceptionV3/AuxLogits \
  --trainable_scopes=InceptionV3/Logits,InceptionV3/AuxLogits \
  --max_number_of_s
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值