计算机视觉(3):用inception-v3模型重新训练自己的数据模型

ibelieveican0 2020-03-23

用inception-v3重新训练自己的数据模型

背景:

现代的图像识别模型具有数以百万计的参数,从头开始训练(Train from scratch)需要大量的样本数据以及消耗巨大的计算资源(几百个GPU),因此采用迁移学习的方式重训一个模型(Retrain a model)对于学习模型的成本较低,利用Inception-V3作为已经训练好的模型,来实现自己的图像分类识别
 
 

inception模型文件目录介绍:

计算机视觉(3):用inception-v3模型重新训练自己的数据模型

data目录:需要训练的数据放在该目录:       inception_model:把下载inception模型放在该目录下:

计算机视觉(3):用inception-v3模型重新训练自己的数据模型   计算机视觉(3):用inception-v3模型重新训练自己的数据模型

test_images:把训练完成之后,测试图片所放目录

数据准备完成之后,按以下步骤执行:

 步骤1:

windows:

运行批处理文件retrain.bat

python retrain.py ^
--bottleneck_dir bottleneck ^      #自行生成每个训练图片的数据
--how_many_training_steps 200 ^ #步数
--model_dir inception_model ^    #模型
--output_graph output_graph.pb ^ #训练后输出模型
--output_labels output_labels.txt ^ #训练后输出label
--image_dir data
pause

Ubuntu:

运行批处理文件retrain.sh

步骤2:

训练完成后,测试如下

Python  predict.py

测试结果如下:

计算机视觉(3):用inception-v3模型重新训练自己的数据模型

结论:如果测试物体不相似,识别率很高,但是如果物体形状相似,识别率则不高

源码:https://pan.baidu.com/s/1qdRmnQsRv5k3QesZxRC9QA    提取码:jipt

相关推荐

yuanlunxi / 0评论 2020-05-09