图像分类之花卉图像分类（一）数据增强

最新推荐文章于 2025-05-16 20:30:50 发布

原创

最新推荐文章于 2025-05-16 20:30:50 发布 · 6.1k 阅读

94 ·

CC 4.0 BY-SA版权

文章标签：

#花卉分类 #机器学习 #人工智能 #数据增强 #CNN

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