本文为 AI 研习社编译的技术博客,原标题 :
Classifying Artwork Images Kaggle Competition
作者 | Terrance Whitehurst
翻译 | M惠M
校对 | 酱番梨 整理 | 菠萝妹
原文链接:
https://medium.com/@TerranceWhitehurst/classifying-artwork-images-kaggle-competition-8b3a98b4a341
https://github.com/Terrance-Whitehurst/Keras-Art-Images-Classification/blob/master/Keras%20Artwork%20Classification.ipynb
在这个项目中,我将使用迁移学习和深度学习框架Keras对kaggle数据集中的不同艺术作品图像进行分类。
使用keras库进行分类任务
使用keras进行迁移学习
数据增强
#1
首先导入所有的依赖项。
#2
加载了训练和验证集以及艺术图像的类别。
还设置了一些hyper参数,以便在培训和加载模型时使用。
#3
按类别将训练图像进行可视化。
#4
将来自不同类的一些图像进行可视化。
#5
使用for循环创建训练数据和测试数据。
#6
定义函数来加载数据集。
#7
使用keras的“ImageDataGenerator()”来增强数据。然后将训练数据与扩充相匹配。
#8
这是最终模型。它是一个两层网络,有两个密集的层和一个输出层。在我们完成模型架构之后,我们还必须在培训之前编译模型。
#9
这使用数据增强创建一个生成器。接下来调用“fit_generator()”来训练模型,并添加“history”,这样就可以可视化之后的训练。
#10
使用在“fit_generator()”之前调用的“history”来查看各个时代的损失和准确性。
#11
创建一个测试集来获得预测
#12
调用“predict()”来获得预测,然后创建一个分类报告和混淆矩阵,以查看模型做得有多好!雷锋网
#13
使用“plot_model()”来获得模型架构的图像,我将在下面显示。
下面是我在这个项目中使用的可视化模型
学习快乐!
想要继续查看该篇文章相关链接和参考文献?
长按链接点击打开或点击【有关艺术画作分类的 Kaggle 比赛经验分享】:
https://ai.yanxishe.com/page/TextTranslation/1283
AI研习社每日更新精彩内容,观看更多精彩内容:雷锋网
等你来译:雷锋网