本文介绍了一个使用深度学习解决动物和鸟类分类问题的项目。首先构建了一个简单的神经网络模型，然后升级到卷积神经网络（CNN），最后利用迁移学习提高准确率。通过VGG16预训练模型，模型能够对不同种类的动物和鸟类进行有效识别，但还需要针对本地物种的更多数据来优化性能。
SPCA每年要收养7000到9000只动物，其中有一半是抛弃的宠物，例如猫，狗，兔子和豚鼠等。识别这些宠物需要一定的时间，可能会增加等待收养的时间。
NParks有一群志愿者，他们会定期聚会，参加观鸟活动，同时他们会帮助收集有关新加坡鸟类数量的数据，但不是所有的人都能正确识别鸟的种类。
本项目的目标是为这两个组织开发一种工具：为SPCA确定动物的品种，为NParks识别鸟的种类。
这个目标可以转化为深度学习模型的图像分类问题。因此，我开发了一个简单的神经网络，然后逐渐发展到卷积神经网络和迁移学习。
首先是构建简单的图像分类神经网络，数据集使用的是pyimagesearch^1，它有3类动物：猫，狗和熊猫。数据集共有3000张图像，每个类别有1000张图像。
我创建了一个简单的神经网络模型，中间只有1个密集层，花了大约4分钟来训练这个模型。
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
