猫狗分类项目学习

最新推荐文章于 2025-10-30 17:19:42 发布

原创

最新推荐文章于 2025-10-30 17:19:42 发布 · 648 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #tensorflow

本文介绍了使用VGG16神经网络进行猫狗分类的实践过程。首先，对不同大小的图片进行resize至224x224，然后通过VGG16提取特征。接着，构建一个简单的神经网络，利用VGG16的特征进行训练。经过多次训练，随着epochs的增加，模型的准确率从0.59提升至0.965。

《猫狗分类》题目链接
题目所给训练集是20000张大小不一的猫狗图片，猫10000张，狗10000张，测试集是5000张混合在一起的猫狗图片。
训练集下载train.zip
测试集下载test.zip

前言

实验内容是按照博客《在lintcode刷AI题：猫狗分类器》
来完成的，万分感谢作者。

一、认识VGG16神经网络

小知识：训练神经网络中的epochs表示对每张训练图片，神经网络的观看次数。

下图为VGG16的网络结构：黑色表示卷积层，红色表示最大池化层，蓝色是全连接层。
在这里插入图片描述
对应的，在Keras框架下搭建VGG16网络如下：

from keras.models import Sequential
from keras.layers.core import Flatten,Dense,Dropout
from keras.layers.convolutional import Convolution2D,MaxPooling2D,ZeroPadding2D
from keras.optimizers import SGD
import cv2
import numpy as np

def VGG_16(weights_path=None):
    model=Sequential()
    model.add(ZeroPadding2D((1,1),input_shape=(3,224,224)))
    model.add(Convolution2D(64,3,3,activation="relu"))
    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(64,3,3,activation="relu"))
    model.add(MaxPooling2D((2,2),strides=(2,2)))

    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(128,3,3,activation="relu"))
    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(128,3,3,activation="relu"))
    model.add(MaxPooling2D((2,2),strides=(2,2)))

    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(256,3,3,activation="relu"))
    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(256,3,3