Pytorch手势识别

一. 数据集介绍

数据集可以在kaggle上面下载地址.
识别的手势是26个英文字母，如下所示，图片中好像缺少了一个Z。
数据是csv格式的，第一列是label，其余的像素，也就是我们的图片数据，28*28大小的。

二. 构造DataLoader

由于数据是csv格式，和之前图片的有所不同，之前直接重写Dataset类就可以加载我们的数据，这次其实可以重写Dataset类，但是我这样做的时候，训练的时候准确率一直只有0.07左右，这次我们需要使用另外一种比较简单的方法，来构造数据集
利用TensorDataset函数将tensor数据变成TensorDataset数据，也就是将数据变成pytorch可以分批次加载的数据。

train = pd.read_csv('../input/sign-language-mnist/sign_mnist_train.csv',dtype=np.float32)    #读取csvy = train.label.values                           #label
x = train.loc[:,train.columns!= 'label'].values / 255     #图片数据train_x,test_x,train_y,test_y = train_test_split(x,y,test_size=0.2,random_state=42)     #分成数据集，测试集
print(test_x.shape)
train_x = torch.from_numpy(train_x)          #转换成tensor
train_y = torch.from_numpy(train_y).type(torch.LongTensor)    #转换成Longtensor，交叉熵损失函数的label需要long类型的数据test_x = torch.from_numpy(test_x)
test_y = torch.from_numpy(test_y).type(torch.LongTensor)train = TensorDataset(train_x,train_y)     #转换成Dataset，类似于TensorFlow的from_tensor_slices
test = TensorDataset(test_x,test_y)train_loader = DataLoader(train,batch_size=100,shuffle=False,drop_last=True)  # 构造DataLoader
test_loader = DataLoader(test,batch_size=100,shuffle=False,drop_last=True)

三. 构造网络

构造网络这比较简单，由于没有合适的GPU，只能使用一些比较简单的网络。
这里也可以使用残差网络，随便学一下什么是残差网络，残差网络在很深的网络中经常用到，非常重要的一个网络结构。

class CNN(nn.Module):def __init__(self):super(CNN, self).__init__()self.layers1 = nn.Sequential(nn.Conv2d(1,16,kernel_size=3,stride=1,padding=1),nn.BatchNorm2d(16),nn.ReLU(inplace=True))self.layers2 = nn.Sequential(nn.Conv2d(16,32,kernel_size=3,stride=1,padding=1),nn.BatchNorm2d(32),nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=2,stride=2))self.layers3 = nn.Sequential(nn.Conv2d(32,64,kernel_size=3,stride=1,padding=1),nn.BatchNorm2d(64),nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=2, stride=2))self.layers4 = nn.Sequential(nn.Conv2d(64,128,kernel_size=3,stride=1,padding=1),nn.BatchNorm2d(128),nn.ReLU(inplace=True),)self.fc = nn.Sequential(nn.Linear(7*7*128,1024),nn.ReLU(inplace=True),nn.Linear(1024,100),nn.ReLU(inplace=True),nn.Linear(100,26))def forward(self, x):x = self.layers1(x)x = self.layers2(x)x = self.layers3(x)x = self.layers4(x)x = x.view(x.size(0),-1)x = self.fc(x)return x

四. 训练网络

在训练网络的时候，这次我们分成了训练集合测试集，和之前写有些不一样，但也都差不多，
每训练50个epoch，就在测试集上测试一下准确率，这样可以明确模型的好与坏，精度如何。
最后如果准确率大于0.983后，就退出训练，训练太久而准确率没有太多的提升，还不如提前结束训练。

error = nn.CrossEntropyLoss()optimizer = torch.optim.SGD(cnn.parameters(),lr=0.1)for epochs in range(100):for i ,(img,label) in enumerate(train_loader):img = img.view(100,1,28,28)img = Variable(img)label = Variable(label)optimizer.zero_grad()output = cnn(img)loss = error(output,label)loss.backward()optimizer.step()if i %50 == 0:    #测试模型accuracy = 0for x,y in test_loader:x = x.view(100,1,28,28)x = Variable(x)out = cnn(x)pre = torch.max(out.data,1)[1]accuracy += (pre == y).sum()print('accuracy:',accuracy.item()/(5491))if(accuracy.item()/(5491)>0.975):torch.save(cnn.state_dict(),'model.pth')if(accuracy.item()/5491 > 0.983):break

最后打印一下训练的log，训练到最后准确率基本上没有变化了。

完整代码可在GitHub上面下载地址.

Thank for your reading !!!

Pytorch手势识别相关推荐

【PyTorch深度学习项目实战100例】—— Python+OpenCV+MediaPipe手势识别系统 | 第2例
前言大家好,我是阿光. 本专栏整理了<PyTorch深度学习项目实战100例>,内包含了各种不同的深度学习项目,包含项目原理以及源码,每一个项目实例都附带有完整的代码+数据集. 正在更新 ...
Pytorch+opencv 手势识别
配置 opencv安装使用清华源 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python opencv的使用 cv ...
树莓派实时(30fps)手势识别，从数据集采集开始，全部流程开源
目录结构 1.背景介绍 2.数据采集 3.网络设计 4.网络训练 5.网络部署 6.总结 1.背景介绍最近采购了一块新的树莓派,迫不及待的想要在树莓派上实现一个实时的手势识别.从算法的角度讲,并不是 ...
Jetson nano (4GB B01) 系统安装，官方Demo测试（目标检测、手势识别）
Jetson nano (4GB B01) 系统安装,官方Demo测试 (目标检测.手势识别) 此文确保你可以正确搭建jetson nano环境,并跑通官方"hello AI world&q ...
计算机视觉研究院手把手教你深度学习的部署（手势识别，源码已开源）
计算机视觉研究院专栏作者:Edison_G 今天我们继续基于姿态估计的运动计数APP开发! 公众号ID|ComputerVisionGzq 学习群|扫码在主页获取加入方式关注并星标从此不迷路计 ...
【目标检测】你想知道的手势识别都在这里【YOLO】网络
基于YOLO+ResNet50的手势识别目录基于YOLO+ResNet50的手势识别写在前面 (一)项目背景以及系统环境 1.1 项目背景 1.2 硬件环境 1.3 操作系统 1.4 主要界面 ...
基于CNN的动态手势识别：Real-time Hand Gesture Detection and Classification Using Convolutional Neural Networks
Real-time Hand Gesture Detection and Classification Using Convolutional Neural Networks论文解读 1. 概述 2. ...
人工智能AI：TensorFlow Keras PyTorch MXNet PaddlePaddle 深度学习实战 part1
日萌社人工智能AI:TensorFlow Keras PyTorch MXNet PaddlePaddle 深度学习实战 part1 人工智能AI:TensorFlow Keras PyTorch ...
初学入门YOLOv5手势识别之制作并训练自己的数据集
随着短视频vlog时代的到来,自动驾驶技术.人脸识别门禁系统.智慧视频监控.AI机器人等贴近人们日常生活的视频信息量的暴增,视频目标检测的研究具有无比的现实研究意义与未来行业潜力.视频是由一系列具有时 ...

Pytorch手势识别

一. 数据集介绍

二. 构造DataLoader

三. 构造网络

四. 训练网络

Pytorch手势识别相关推荐

最新文章

热门文章