通过CNN训练自己的数据集（总）

最新推荐文章于 2025-05-22 09:53:47 发布
原创 最新推荐文章于 2025-05-22 09:53:47 发布 · 5.9k 阅读 · 11 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#CNN #tensorflow

本文详细介绍了深度学习图片分类的全过程，从数据预处理到模型构建、训练及测试，探讨了如何提高分类识别率，适合对深度学习感兴趣的学习者。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

第一步，将输入的图片分类放在InputImage中，输出的图片统一放在inputdata文件夹，并且生成tfrecord文件。
第二步，定义了几个函数，定义的函数在第五步测试时候被调用
第三步，定义模型，没有输入，也没有输出，只是定义了几个函数

第四步，训练，生成ckpt文件，确定两个路径，分别是

train_dir 即shuffle后放在同一个文件夹的路径
logs_train_dir 即CKPT文件保存路径

    为什么val_writer被注释掉？    

第五步，测试，输入两个路径，train_dir 即shuffle后放在同一个文件夹的路径 logs_train_dir 即CKPT文件保存路径

输出为图片及其准确率。

 

test函数需要改进，改为批量读取。同时弄清楚test的原理，改变文件夹方式
              对训练用的图片生成测试集或者验证集，那训练时候怎么对输入的图片进行处理的呢？
    get_one_image图片需要处理下

并非使用模型训练，而是自己构建模型，训练出参数，然后保存参数，进行测试

来自之前调试的机车训练模型半成品


主要问题：分类识别率在50%，有点低。这个概率是否正确


改进：也许不正确，因为是根据softmax来的。只要大于0.5就说明准确率高呢。可以手工验证，多次读取图片，机器进行判断，然后查看
1、

使用 CNN 训练自己的数据集
2302_77874605的博客
05-29 2078
设置优化器BS = 5。
目标检测simple Faster R-CNN训练自己的数据集
qq_43765704的博客
10-07 1384
新新新手用simple faster r-cnn代码跑自己数据集的详细步骤，记录自己的动手实践过程。
一文读懂|CNN卷积神经网络:从基本概念、模型定义、训练、验证全流程指南
最新发布
Gupao123的博客
05-22 1427
卷积神经网络（CNN）受到人类视觉皮层的启发，在从结构化网格数据（如图像）中提取特征的空间层次结构方面特别有效。图像自然地被表示为多维阵列-通常是具有对应于高度、宽度和颜色通道的维度的3D张量（例如，红色、绿色和蓝色）。这种结构化表示使图像成为CNN的理想候选者，CNN利用卷积运算来有效地处理输入数据的局部区域。img尺寸为4x 4x 3的红绿蓝（RGB）图像的3D张量。与将输入数据视为平面向量的传统神经网络不同，CNN通过应用在图像上滑动的过滤器（或内核）来保留数据中的空间关系。
CNN训练自己的数据
weixin_30564901的博客
05-08 475
1、准备数据 将自己的数据放到train 和 val 文件夹下，然后使用create_imagefile.py 制作txt列表文件,生成train.txt和val.txt 2、使用 shell 脚本 create_mydata.sh 制作lmdb格式数据 3、通过脚本make_mydata_mean.sh制作均值文件mydata.binaryproto 4、修改网络配置proto文件和...
深度学习——自己的训练集——训练模型（CNN）
2301_76794217的博客
05-27 2464
训练模型，导入必要的库，加载类别名称，创建标签映射字典，加载图像数据和对应的标签，构建和编译CNN模型，训练模型，保存训练好的模型
【目标检测】用Faster R-CNN训练自己的数据集
qq_41464279的博客
04-08 1万+
目录 一、环境准备 二、训练过程 三、推理过程 一、环境准备 我这里的环境是ubuntu18.04系统，colab + python3.7 二、训练过程 1、下载Faster R-CNN源码 ，我这里使用的源码是pytorch版本的 ，原作者的是tensorflow版本。在这里贴上代码地址。 https://github.com/chenyuntc/simple-faster-rcnn-pytorchhttps://github.com/chenyuntc/simple-fa...
用CNN用来对自己的数据集分类
06-02
这个CNN工具箱只用改一两个地方就可以对自己的数据集分类了 比github上的deeplearning的工具箱里的CNN改动要简单
CNN实现训练自己的图片数据集
Li Zou的博客
06-25 6557
https://blog.youkuaiyun.com/wills798/article/details/80638151
使用自己的数据集训练 R-CNN
gqixf的博客
05-28 5445
感谢作者：http://imzack.me/post/training-rcnn-using-my-own-dataset.html之前已经写了一篇安装 R-CNN 的文章了，现在就要使用自己的数据集训练 R-CNN 了。这篇文章记录了我用人脸数据集来训练 R-CNN，并且使用训练后的 R-CNN 模型检测出图片中的人脸的过程。注意：虽然下述内容在我的电脑上测试通过，但是由于此文章是我在做毕业设计...
搭建CNN网络训练mnist数据集
Vicky
12-25 1043
搭建CNN网络训练mnist数据集。
cnn 验证集 参与训练吗_详解tensorflow训练自己的数据集实现CNN图像分类
weixin_39714275的博客
11-25 317
本教程旨在手把手教大家使用Tensorflow构建卷积神经网络（CNN）进行图像分类。教程并没有使用MNIST数据集，而是使用了真实的图片文件，并且教程代码包含了模型的保存、加载等功能，因此希望在日常项目中使用Tensorflow的朋友可以参考这篇教程。完整代码可在专知成员Hujun的Github中下载。https://github.com/hujunxianligong/Tensorflow-C...
CNN验证码训练集.zip
11-29
一万五千张人工校对正确的验证码训练集，可以用于CNN的训练，效果还不错，这个数量，够一个小型的神经网络来使用了。这是SH搜索网站用的。
详解tensorflow训练自己的数据集实现CNN图像分类
12-24
利用卷积神经网络训练图像数据分为以下几个步骤 1.读取图片文件 2.产生用于训练的批次 3.定义训练的模型（包括初始化参数，卷积、池化层等参数、网络） 4.训练 1 读取图片文件 def get_files(filename): class_train = [] label_train = [] for train_class in os.listdir(filename): for pic in os.listdir(filename+train_class): class_train.append(filename+train_class+'/'+pic) la
卷积神经网络（CNN）使用自己的数据集进行天气识别
qq_40985985的博客
08-07 3208
这篇博客将从构建自己的天气数据集开始，到定义模型，编译模型，训练模型及验证模型。并进行一些升级，以使得模型更好。 如ImageDateGenerator进行数据增强，之后分别对cloudy，haze，sunrise，shine，snow，rain，thunder等7种天气情况进行识别。 准确率75%不是太高（可能是因为原始数据集的原因，每个分类有4种），可以通过增加原始数据解决。...
MaskRCNN训练自己的数据集
csdn_cai_csdn的博客
11-29 1522
import osimport sysimport cv2# 预测结果保存地址# 获取待预测文件名称，用于保存同名文件# 需要预测的数据地址"""# 以下def函数从 mrcnn/visualize.py 中复制过来"""打上mask图标""""""生成随机颜色"""# 绘制结果# instance的数量if not N:else:# 当masked_image为原图时是在原图上绘制# 如果不想在原图上绘制，可以把masked_image设置成等大小的全0矩阵。
Faster-RCNN训练自己的数据集
GVFDBDF的专栏
08-15 1万+
就目前我在了解到的资料来看，训练RCNN系列，一般有两种思路： 修改CNN的工程代码，适应自己的数据集格式 将自己的数据格式做成VOC2007形式的数据集 从工作量来看，无疑后者更容易一些，本文的思路也是如此。 首先是图片的命名格式，虽然图片的命名理论上不会影响训练。因为训练的数据都是从txt文件中读取图片的名称。但是为了统一数据集，仍然建议批量、有规律的命名数据图片。我的数据集是jpg格式，和PA
Faster RCNN训练自己的数据集【傻瓜式教程】
热门推荐
magicnnonn的博客
12-14 2万+
Faster RCNN训练自己的数据集【傻瓜式教程】
R-CNN 训练
light169的专栏
03-31 2602
参见https://blog.youkuaiyun.com/u011974639/article/details/78053203 R-CNN的训练可分成下白四步: （1）在数据集上训练CNN 。R-CNN论文中使用的CNN网络是AlexNet，数据集为ImageNet 。 （2）在目标检测的数据集上，对训练好的CNN做微调。 （3）用Selective Search搜索候选区域，统一使用微调后的C...
maskcnn 训练自己数据集
10-09
要训练自己的数据集，需要先准备好数据集，然后根据数据集的特点调整模型结构和超参数，最后进行训练。maskcnn是一种卷积神经网络模型，可以用于图像分类、目标检测等任务。 具体步骤如下： 1. 准备数据集，包括...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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