TensorflowCNN：裂纹分类

本文主要是介绍TensorflowCNN：裂纹分类，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

版权声明：本文为博主原创文章，转载 请注明出处：https://blog.csdn.net/sc2079/article/details/90478551

- 写在前面

---

　　本科毕业设计终于告一段落了。特写博客记录做毕业设计（路面裂纹识别）期间的踩过的坑和收获。希望对你有用。

　　目前有：

　　　　1.Tensorflow&CNN：裂纹分类

　　　　2.Tensorflow&CNN：验证集预测与模型评价

　　　　3.PyQt5多个GUI界面设计
​
　　本篇讲CNN的训练与预测（以裂纹分类为例）。任务目标：将裂纹图片数据集自动分类：纵向裂纹、横向裂纹、块状裂纹、龟裂裂纹、无裂纹共五类。

​ ​
　　本篇主要参照博客tensorflow: 花卉分类。

- 环境配置安装

---

​ ​
　　运行环境：Python3.6、Spyder

​ ​
　　依赖模块：Skimage、Tensorflow（CPU）、Numpy 、Matlpotlib、Cv2等

- 开始工作

---

1.CNN架构

​ ​
　　所使用的CNN架构如下：

​ ​
　　一共七层。（Pool 不算层）

2.训练

​ ​
　　所使用的训练代码如下：

from skimage import io,transform
import glob
import os
import tensorflow as tf
import numpy as np
import time
import matplotlib.pyplot as plt
import pandas as pdstart_time = time.time()
tf.reset_default_graph()   #清除过往tensorflow数据记录
#训练图片集地址
path='..//img5//'#将所有的图片resize成100*100
w=100
h=100
c=3
#归一化
def normlization(img):X=img.copy()X1= np.mean(X, axis = 0) # 减去均值，使得以0为中心X2=X-X1X3= np.std(X2, axis = 0) # 归一化X4=X2/X3return X4#读取图片
def read_img(path):cate=[path+x for x in os.listdir(path)]imgs=[]labels=[]for idx,folder in enumerate(cate):for im in glob.glob(folder+'/*.jpg'):#print('reading the images:%s'%(im))img=io.imread(im)img=transform.resize(img,(w,h))#img=normlization(img)imgs.append(img)labels.append(idx)return np.asarray(imgs,np.float32),np.asarray(labels,np.int32)
data,label=read_img(path)#打乱顺序
num_example=data.shape[0]
arr=np.arange(num_example)
np.random.shuffle(arr)
data=data[arr]
label=label[arr]#将所有数据分为训练集和验证集
ratio=0.8
s=np.int(num_example*ratio)
x_train=data[:s]
y_train=label[:s]
x_val=data[s:]
y_val=label[s:]#-----------------构建网络----------------------
#占位符
x=tf.placeholder(tf.float32,shape=[None,w,h,c],name='x')
y_=tf.placeholder(tf.int32,shape=[None,],name='y_')def inference(input_tensor, train, regularizer):with tf.variable_scope('layer1-conv1'):conv1_weights = tf.get_variable("weight",[5,5,3,32],initializer=tf.truncated_normal_initializer(stddev=0.1))conv1_biases = tf.get_variable("bias", [32], initializer=tf.constant_initializer(0.0))conv1 = tf.nn.conv2d(input_tensor, conv1_weights, strides=[1, 1, 1

这篇关于TensorflowCNN：裂纹分类的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---