导入库

%matplotlib inline
import yaml
import sys,time
import string
import json
from tensorflow.python.keras.models import model_from_json
from tensorflow.python.keras.models import model_from_yaml
import pylab
import warnings
warnings.filterwarnings('ignore')
import matplotlib.pyplot as plt
import PIL
import tensorflow as tf
import numpy as np
import os
import scipy.io as io
from multiprocessing import Pool
from tensorflow.python.keras.callbacks import ModelCheckpoint,ReduceLROnPlateau,EarlyStopping
from tensorflow.python.keras.preprocessing import image
from PIL import Image
import matplotlib.image as mpimg
from tensorflow.python.keras.callbacks import TensorBoard
from tensorflow.python.keras import layers
from tensorflow.python.keras.wrappers.scikit_learn import KerasClassifier
from sklearn.preprocessing import LabelEncoder
from sklearn.model_selection import train_test_split, KFold, cross_val_score
from tensorflow.python.keras.utils import np_utils
from tensorflow.python.keras.utils import to_categorical
from tensorflow.python.keras.initializers  import glorot_normal
from tensorflow.python.keras.applications import  resnet50
from tensorflow.python.keras.applications.xception  import Xception
from tensorflow.python.keras.models import Model, Sequential,load_model
from tensorflow.python.keras.layers import Conv2D, SeparableConv2D, MaxPooling2D, GlobalAveragePooling2D,Flatten,AveragePooling2D,add,BatchNormalization,Convolution2D,ZeroPadding2D,Reshape,Activation, Dense,Lambda,Conv2D,MaxPool2D, Flatten, Dropout,MaxPooling2D,Dense,concatenate,GlobalAveragePooling2D
from tensorflow.python.keras.preprocessing.image import ImageDataGenerator
from tensorflow.python.keras.optimizers import Adam, RMSprop,Adagrad,Nadam,SGD
from tensorflow.python.keras import backend, initializers,regularizers,callbacks,Input,optimizers

训练集和测试集目录

train_dir = '/media/design/0D7907FA0D7907FA/数据集3/garbage_classify_v2/data/train/'
test_dir = '/media/design/0D7907FA0D7907FA/数据集3/garbage_classify_v2/data/test/'

数据预处理

Keras 用一个称为数据生成器(data-generator)输入数据到神经网络中，它将在整个数据上循环。
我们有一个小型的训练集所以它通过对图像进行各种变换来人为地增加它的数量。我们使用内置的数据生成器，可以进行这些随机转换。这也被称为数据增强。

datagen_train = ImageDataGenerator(rescale=1./255  ,#rotation_range=180,#width_shift_range=0.1,#height_shift_range=0.1,#shear_range=0.1,#zoom_range=[0.9, 1.5], #horizontal_flip=True,#vertical_flip=True,#fill_mode='nearest'

datagen_test = ImageDataGenerator(rescale=1./255)

现在我们创建数据生成器的实例，它将从硬盘中读取文件，缩放图像并返回随机的批。

generator_train = datagen_train.flow_from_directory(directory=train_dir,target_size=(299,299),batch_size=batch_size,shuffle=True,class_mode='categorical',save_to_dir=save_to_dir)

generator_test = datagen_test.flow_from_directory(directory=test_dir,target_size=(299,299),batch_size=batch_size,class_mode='categorical',shuffle=False)

cls_train = generator_train.classes
cls_test = generator_test.class_indicesgenerator_train.class_indices

画一些图像检测数据是否正确

建立模型: Xception-v3

40大类的验证结果为90多

训练后导入训练后的模型预测

然后建立flask网页界面进行垃圾分类测试

python运用深度学习垃圾分类，acc达到98以上相关推荐

Python基于深度学习的手写数字识别
Python基于深度学习的手写数字识别 1.代码的功能和运行方法 2. 网络设计 3.训练方法 4.实验结果分析 5.结论 1.代码的功能和运行方法代码可以实现任意数字0-9的识别,只需要将图片载入 ...
Python Web 深度学习实用指南：第三部分
原文:Hands-On Python Deep Learning for the Web 协议:CC BY-NC-SA 4.0 译者:飞龙本文来自[ApacheCN 深度学习译文集],采用译后编辑 ...
Python Web 深度学习实用指南：第四部分
原文:Hands-On Python Deep Learning for the Web 协议:CC BY-NC-SA 4.0 译者:飞龙本文来自[ApacheCN 深度学习译文集],采用译后编辑 ...
如何用 OpenCV、Python 和深度学习实现面部识别？
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自|新机器视觉 Face ID 的兴起带动了一波面部识别技术热 ...
Keras快速上手：基于Python的深度学习
Keras快速上手:基于Python的深度学习谢梁,鲁颖,劳虹岚著 ISBN:9787121318726 包装:平装开本:16开正文语种:中文出版社: 电子工业出版社出版时间:2017-0 ...
从Theano到Lasagne：基于Python的深度学习的框架和库
从Theano到Lasagne:基于Python的深度学习的框架和库 [日期:2015-08-03] 来源:http://creative-punch.net/ 作者:Creative Punch ...
附pdf下载 | 入门Python和深度学习的经典书
当下Python和深度学习为代表的人工智能AI技术非常火热,正深刻影响着人类社会的方方面面.今天分享推荐三本入门Python和深度学习的电子书: python电子书教程 PyTorch电子书教程神经 ...
python人工智能方向怎么学_人工智能方向需要学习python或是深度学习呢？
要回答这个问题,首先,我们先了解一下什么是Python和深度学习,各用于什么领域?了解了这两个问题,对于人工智能方向是需要学什么?先学什么?都会有一台清晰的答案. 一.Python Python是一种 ...
吸烟行为检测系统（Python+YOLOv5深度学习模型+清新界面）
摘要:吸烟行为检测软件用于日常场景下吸烟行为监测,快速准确识别和定位吸烟位置.记录并显示检测结果,辅助公共场所吸烟安全报警等.本文详细介绍吸烟行为检测系统,在介绍算法原理的同时,给出Python的实现 ...

python运用深度学习垃圾分类，acc达到98以上

python深度学习垃圾分类，acc达到98以上

导入库

训练集和测试集目录

数据预处理

现在我们创建数据生成器的实例，它将从硬盘中读取文件，缩放图像并返回随机的批。

画一些图像检测数据是否正确

建立模型: Xception-v3

训练后导入训练后的模型预测

python运用深度学习垃圾分类，acc达到98以上相关推荐

最新文章

热门文章