Python 全栈体系【四阶】(三十三)

2024-04-23 07:28

本文主要是介绍Python 全栈体系【四阶】(三十三),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!

第五章 深度学习

六、PaddlePaddle 图像分类

请添加图片描述

1. 概述

1.1 什么是图像分类

图像分类就是将不同的图像划分到不同类别,实现最小分类误差、最高精度。手写体识别就是一个经典的图像分类问题,它将输入图像分为 0~9 某个数字中,实际就是将输入图像分为 10 类。
在这里插入图片描述

1.2 图像分类粒度

(一)跨物种级图像分类:在不同物种层次上识别不同对象,如猫狗分类
请添加图片描述
(二)子类细粒度图像分类:同一大类下,不同子类的分类。如不同的鸟分类,不同的狗分类
请添加图片描述
(三)实例级图像分类:区分不同的个体。如人脸识别
请添加图片描述

1.3 图像分类发展历程

图像分类任务从传统的方法到基于深度学习的方法,经历了几十年的发展
请添加图片描述

1.4 图像分类问题的挑战

虽然图像分类大赛正确率已经接近极限,但在实际工程应用中,面临诸多挑战与难题:

  • 类别不均衡
  • 数据集小
  • 巨大的类内差异
  • 实际应用复杂情况:光照、遮挡、模糊、角度变化、干扰

2. 常用数据集介绍

2.1 MNIST 数据集

手写数字的数据集,来自美国国家标准与技术研究所(National Institute of Standards and Technology,NIST),发布与 1998 年

样本来自 250 个不同人的手写数字,50%高中学生,50%是人口普查局的工作人员

数字从 0 ~ 9,图片大小是 28×28 像素,训练数据集包含 60000 个样本,测试数据集包含 10000 个样本

下载地址:

  • http://yann.lecun.com/exdb/mnist/

在这里插入图片描述

2.2 CIFAR10 数据集

CIFAR10 数据集由 Alex Krizhevsky、Vinod Nair 和 Geoffrey Hinton 等人收集

包含 6 万张彩色图像,图像大小是 32×32,共有 10 个类,每类有 6000 张图。其中,5 万张图组成训练集合,训练集合中的每一类均等,都有 5000 张图;

剩余 1 万张图作为测试集合,测试集合中的每一类也均等,各有 1000 张图

10 个类别是:airplane、automobile、bird、cat、deer、dog、frog、horse、ship 和 truck

下载地址:

  • http://www.cs.toronto.edu/~kriz/cifar.html

在这里插入图片描述

2.3 ImageNet 数据集

ImageNet 数据集由李飞飞实验室发布于 2009 年

1400 多万幅图片,涵盖 2 万多个类别的标注与超过百万的边界框标注,每一个类别大约有 500 ~ 1000 张图片

ImageNet 竞赛使用的是 ImageNet 完整数据集的一个子类,包括 1000 类,其中大部分是动物。在深度学习任务中,我们经常会使用 ImageNet 预训练的模型

下载地址:

  • http://www.image-net.org/

在这里插入图片描述

2.4 FDDB 人脸数据集

发布于 2010 年,是被广泛用于人脸检测方法评测的一个数据集

共 2845 张图像,包含有 5171 张人脸图像,大部是自然条件下拍摄的名人

下载地址:

  • http://vis-www.cs.umass.edu/fddb/index.html#download
    请添加图片描述
2.5 WIDER Face 数据集

2015 年由香港中文大学发布

32203 张图像,共有 393703 张人脸图像,比 FDDB 数据集大 10 倍,而且在面部的尺寸、姿势、遮挡、表情、妆容和光照上都有很大的变化,自发布后广泛应用于评估性能比传统方法更强大的卷积神经网络

下载地址:

  • http://mmlab.ie.cuhk.edu.hk/projects/WIDERFace/

在这里插入图片描述

3. 图像分类的应用

交通违章识别

在这里插入图片描述
安检系统

在这里插入图片描述
人脸识别

在这里插入图片描述
生物种群数量统计

在这里插入图片描述
工业质检

在这里插入图片描述
工地安全监测

请添加图片描述
病虫害识别

请添加图片描述
医疗诊断

请添加图片描述

这篇关于Python 全栈体系【四阶】(三十三)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!



http://www.chinasem.cn/article/928143

相关文章

使用Python删除Excel中的行列和单元格示例详解

《使用Python删除Excel中的行列和单元格示例详解》在处理Excel数据时,删除不需要的行、列或单元格是一项常见且必要的操作,本文将使用Python脚本实现对Excel表格的高效自动化处理,感兴... 目录开发环境准备使用 python 删除 Excphpel 表格中的行删除特定行删除空白行删除含指定

Python通用唯一标识符模块uuid使用案例详解

《Python通用唯一标识符模块uuid使用案例详解》Pythonuuid模块用于生成128位全局唯一标识符,支持UUID1-5版本,适用于分布式系统、数据库主键等场景,需注意隐私、碰撞概率及存储优... 目录简介核心功能1. UUID版本2. UUID属性3. 命名空间使用场景1. 生成唯一标识符2. 数

Python办公自动化实战之打造智能邮件发送工具

《Python办公自动化实战之打造智能邮件发送工具》在数字化办公场景中,邮件自动化是提升工作效率的关键技能,本文将演示如何使用Python的smtplib和email库构建一个支持图文混排,多附件,多... 目录前言一、基础配置:搭建邮件发送框架1.1 邮箱服务准备1.2 核心库导入1.3 基础发送函数二、

Python包管理工具pip的升级指南

《Python包管理工具pip的升级指南》本文全面探讨Python包管理工具pip的升级策略,从基础升级方法到高级技巧,涵盖不同操作系统环境下的最佳实践,我们将深入分析pip的工作原理,介绍多种升级方... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

基于Python实现一个图片拆分工具

《基于Python实现一个图片拆分工具》这篇文章主要为大家详细介绍了如何基于Python实现一个图片拆分工具,可以根据需要的行数和列数进行拆分,感兴趣的小伙伴可以跟随小编一起学习一下... 简单介绍先自己选择输入的图片,默认是输出到项目文件夹中,可以自己选择其他的文件夹,选择需要拆分的行数和列数,可以通过

Python中反转字符串的常见方法小结

《Python中反转字符串的常见方法小结》在Python中,字符串对象没有内置的反转方法,然而,在实际开发中,我们经常会遇到需要反转字符串的场景,比如处理回文字符串、文本加密等,因此,掌握如何在Pyt... 目录python中反转字符串的方法技术背景实现步骤1. 使用切片2. 使用 reversed() 函

Python中将嵌套列表扁平化的多种实现方法

《Python中将嵌套列表扁平化的多种实现方法》在Python编程中,我们常常会遇到需要将嵌套列表(即列表中包含列表)转换为一个一维的扁平列表的需求,本文将给大家介绍了多种实现这一目标的方法,需要的朋... 目录python中将嵌套列表扁平化的方法技术背景实现步骤1. 使用嵌套列表推导式2. 使用itert

使用Docker构建Python Flask程序的详细教程

《使用Docker构建PythonFlask程序的详细教程》在当今的软件开发领域,容器化技术正变得越来越流行,而Docker无疑是其中的佼佼者,本文我们就来聊聊如何使用Docker构建一个简单的Py... 目录引言一、准备工作二、创建 Flask 应用程序三、创建 dockerfile四、构建 Docker

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核