nicvscs的博客

在本系列的最后，我们将介绍另一种方法，即利用一个预先训练好的CNN来解决我们一直在研究的硬币识别问题。在这里，我们看一下转移学习，调整预定义的CNN，并使用Model Builder训练我们的硬币识别模型。我们将使用ML.NET代替Keras.NET。为什么不使用Keras.NET呢?尽管Keras.NET非常简单，易于学习，虽然它包含前面提到的预定义模型，但它的简单性使我们无法自定义CNN架构来适应我们的问题。ML.NET是一个微软的免费机器学习框架，旨在使用C#和F#进行开发。最重要的是，我

在文章中，我们将对输入到机器学习模型中的数据集进行预处理。这里我们将对一个硬币数据集进行预处理，以便以后在监督学习模型中进行训练。在机器学习中预处理数据集通常涉及以下任务:清理数据——通过对周围数据的平均值或使用其他策略来填补数据缺失或损坏造成的漏洞。 规范数据——将数据缩放值标准化到一个标准范围，通常是0到1。具有广泛值范围的数据可能会导致不规范，因此我们将所有数据都放在一个公共范围内。 一种热编码标签——将数据集中对象的标签或类编码为N维二进制向量，其中N是类的总数。数组元素都被设置为0，除

在本系列文章中，我们将使用深度神经网络(DNN)来执行硬币识别。具体来说，我们将训练一个DNN识别图像中的硬币。在本文中，我们将描述一个OpenCV应用程序，它将检测图像中的硬币。硬币检测是硬币完整识别之前的一个常见阶段。它包括从给定图像中检测和提取硬币。本系列附带的代码将使用Keras在C#中实现。在本系列的最后一篇文章中，我们将简要地使用ML.NET。在众多选择中，为什么要使用Keras.NET呢?Keras.NET非常容易学习，因为它基本上是从Python编写的经典TensorFlow到.