图像分类之花卉图像分类(一)数据增强

本文介绍了一位初学者在进行花卉图像分类时,如何利用CNN模型进行花卉识别。面对有限的数据集,作者通过数据增强来扩充样本,包括图片的翻转、旋转和调整色度饱和度,以防止过拟合。训练集和验证集由每个类别500张和100张图片组成,测试集则从网上额外下载150张图片。数据增强的代码细节也在文中提及,强调应在图片裁剪前进行。

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

网上有很多图像分类的代码,有很多是必须要在GPU上面才能跑的,因为我想在自己的电脑跑,所以很多都是不能用的,而且说实话很多对我这个小白来说,都很难看懂。所以我找了一个就是之间用CNN写的神经卷积模型用来进行花卉识别。其中主要参考了以下的博主
江湖人称星爷按访问量排序,可以看到星爷写了五篇图像分类的博客。本文的代码主要参考了github上的一个项目,添加链接描述。链接是,其中我对一些代码进行了改变。
其中数据集包含了五类常见的花卉:雏菊、郁金香、蒲公英、向日葵、玫瑰花等。数据集可以从这里下载
解压完可以看到五个文件夹如下图所示。
在这里插入图片描述
其中每个类别的图片大小不一,个数也不一。然后我从每个类别都选了500张作为训练集,100张作为验证集。训练集文件夹命名为train,验证集是val,两个文件夹里面的结构都跟上图一样,就不截图了。然后测试集叫test,结构也跟训练集一样,然后我从网上每个类别分别下了150张图片做测试用。
在这里插入图片描述
因为那个数据集数据太少了,我在训练的时候模型很快就过拟合了,所以想到了数据增强。数据增强就是对图片进行翻转、旋转和改变色度饱和度等后,会得到更多的图片来进行训练。数据增强只会用于训练集。数据增强代码如下,要记得改路径,对每一个类都进行数据增强。我是本来每个类有50

评论 9
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