卷积网络项目：实现识别鲜花四分类对比LeNet5、VGG16、ResNet18、ResNet34分类网络

2024-05-14 20:44
文章标签 实现 项目 分类 网络 卷积 识别 对比 鲜花 vgg16 resnet18 resnet34 lenet5

本文主要是介绍卷积网络项目：实现识别鲜花四分类对比LeNet5、VGG16、ResNet18、ResNet34分类网络，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！

卷积四分类项目

Gitee传送门

分类目标选取

鲜花

  • 杏花 apricot_blossom
  • 桃花 peach_blossom
  • 梨花 pear_blossom
  • 梅花 plum_blossom

模型选择

卷积

  • LeNet5
  • VGG16
  • ResNet18
  • ResNet34

以图搜图

获取相似度前10的搜图结果

数据清洗

鲜花四分类

删除非图片文件

image.png

删除重复图片

image.png
image.png
image.png
image.png
image.png

整理数据集

鲜花四分类

每种类别数据：训练500、测试50、预测10
总训练集：2500
总测试集：250
总预测集：40

训练模型

报错

ValueError: num_samples should be a positive integer value, but got num_samples=0

换了电脑后，数据集的存储位置不同，更换路径后解决

RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be the same

原因：错误内容就在类型不匹配，根据报错内容可以看出Input type为torch.FloatTensor（CPU数据类型），而weight type（即网络权重参数这些）为torch.cuda.FloatTensor（GPU数据类型）
方案：将输入类型转变为GPU类型
输入数据和网络都切换到cuda，但问题仍存在
检查网络，修改模型隐藏层初始化方式后，解决了问题

鲜花

v1：LeNet5：bn

输出4分类

image.png
image.png
image.png

v2：VGG16：bn

数据太差，提前中断了训练
image.png
image.png
image.png

v3：ResNet18：bn

输出4分类
f4_v3：32x32

image.png
image.png
image.png
准确率仍上不去，预估增大迭代次数，准确率能慢慢提升

f4_v3.3：224x224

image.png
image.png
过拟合前最佳：
image.png
测试数据出现过拟合现象，考虑减小数据大小

f4_v3.4：112x112

image.png
image.png
过拟合前最佳：
image.png
再次出现过拟合，提前中断了训练

f4_v3.5：56x56

image.png
image.png
过拟合前最佳：
image.png
再次出现过拟合，提前中断了训练
结论：图片缩放大小无法解决过拟合问题

f4_v3.6：32x32，减4个残差块

image.png
image.png
测试集过拟合前
image.png
最佳
image.png

f4_v3.6：32x32，减4个残差块，transforms减Norm

image.png
image.png
测试集过拟合前
image.png
最佳
image.png

v4：ResNet34：bn

输出4分类

image.png
image.png
image.png
预估：增加迭代次数，可能能缓慢提升准确率

以图搜图

报错

ValueError: Expected more than 1 value per channel when training, got input size torch.Size([1, 512, 1, 1])

image.png
LeNet5模型能正常运行，ResNet18和ResNet34模型报错
image.png正常运行
image.png报错
image.png报错
原因：模型中含有nn.BatchNorm层，训练时需要batch_size大于1，来计算当前batch的running mean and std。自定义数据数量除以batch_size后刚好余1，就发生了上述报错
方案1：在pytorch的Dataloader中设置drop_last=True即可，这样会忽略最后一个batch
尝试在数据集增加drop_last=True，再次训练，尚未解决这个问题
方案2：在添加数据前增加model.eval()
代码原本就有这个语句，仍存在这个问题
方案3：修改训练模型数据预处理中Resize大小32–>224，问题解决

搜图结果

v1：LeNet5：bn

image.png
image.png
没有一个是正确分类

v3：ResNet18：bn

f4_v3：32x32

image.png
image.png
没有一个是正确分类，且相似度差距很大

f4_v3.3：224x224

过拟合前最佳：
image.png
image.png
预测最佳类别中top10图片和原图类别相同，但与top1图片与原图相似度不是0
原因：检索库图片根据特征处理、带参数的模型生成对应的特征文件，更换特征处理方式或参数后，生成的特征文件有所不同，所以计算相似度，哪怕是原图也不为0
解决方案：更换特征处理方式或参数后，重新初始化特征文件，再进行预测，解决了这个问题

v4：ResNet34：bn

f4_v4：32x32

image.png
image.png
没有一个是正确分类，且相似度差距很大

f4_v4.3：224x224

image.png
image.png
出现了一个正确分类，由于时间问题，v4.3版没有完成足够的训练，不确定迭代后的数据能否达到预期效果

特征处理

feat_v3.3.0：tensor

image.png

feat_v3.3.1：tensor+Resize56

image.png

feat_v3.3.2：tensor+Resize56+Norm

image.png

feat_v3.3.3：tensor+crop+Resize56

image.png

feat_v3.3.4：tensor+Resize+crop+Resize56

image.png

feat_v3.3.5：tensor+Resize+crop+Resize224

image.png

feat_v3.3.6：tensor+Resize+crop+Resize112

image.png

feat_v3.3.7：tensor+Resize+crop+Resize32

image.png

总结

feat_v3.3.4.txt版本的特征处理效果最好
特征处理方式：tensor+Resize600+crop400+Resize56

搜图效果

相似度前10的结果，top1是原图，6张正确类别花，3张错误类别花
原因：这四类花本身比较相似，不便于学习；也可能是数据量不够多，训练效果不够好；也可能迭代的次数不够多，模型没有训练到足够好的效果
20240227002214_rec_.gif

这篇关于卷积网络项目：实现识别鲜花四分类对比LeNet5、VGG16、ResNet18、ResNet34分类网络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/989810。

相关文章

这15个Vue指令，让你的项目开发爽到爆

这15个Vue指令，让你的项目开发爽到爆

1. V-Hotkey 仓库地址: github.com/Dafrok/v-ho… Demo: 戳这里 https://dafrok.github.io/v-hotkey 安装: npm install --save v-hotkey 这个指令可以给组件绑定一个或多个快捷键。你想要通过按下 Escape 键后隐藏某个组件，按住 Control 和回车键再显示它吗？小菜一碟： <template
阅读更多...
基于人工智能的图像分类系统

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务，目标是自动识别图像中的对象类别。通过卷积神经网络（CNN）等深度学习技术，我们可以构建高效的图像分类系统，广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统，包括环境
阅读更多...
如何用Docker运行Django项目

如何用Docker运行Django项目

本章教程，介绍如何用Docker创建一个Django，并运行能够访问。 一、拉取镜像 这里我们使用python3.11版本的docker镜像 docker pull python:3.11 二、运行容器 这里我们将容器内部的8080端口，映射到宿主机的80端口上。 docker run -itd --name python311 -p
阅读更多...
hdu1043（八数码问题，广搜 + hash（实现状态压缩） ）

hdu1043（八数码问题，广搜 + hash（实现状态压缩） ）

利用康拓展开将一个排列映射成一个自然数，然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu
阅读更多...
认识、理解、分类——acm之搜索

认识、理解、分类——acm之搜索

普通搜索方法有两种：1、广度优先搜索；2、深度优先搜索； 更多搜索方法： 3、双向广度优先搜索； 4、启发式搜索（包括A*算法等）； 搜索通常会用到的知识点：状态压缩（位压缩，利用hash思想压缩）。
阅读更多...
阿里开源语音识别SenseVoiceWindows环境部署

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别： 采用超过 40 万小时数据训练，支持超过 50 种语言，识别效果上优于 Whisper 模型。富文本识别：具备优秀的情感识别，能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力，支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推
阅读更多...
【C++】_list常用方法解析及模拟实现

【C++】_list常用方法解析及模拟实现

相信自己的力量，只要对自己始终保持信心，尽自己最大努力去完成任何事，就算事情最终结果是失败了，努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一：什么是list？ •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二：list常用接口 •🌰1.默认成员函数 🔥构造函数（⭐） 🔥析构函数 •🌰2.list对象
阅读更多...
【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯，先赞后看哦~🎈🎈 🏆 作者简介：景天科技苑 🏆《头衔》：大厂架构师，华为云开发者社区专家博主，阿里云开发者社区专家博主，CSDN全栈领域优质创作者，掘金优秀博主，51CTO博客专家等。 🏆《博客》：Python全栈，前后端开发，小程序开发，人工智能，js逆向，App逆向，网络系统安全，数据分析，Django，fastapi
阅读更多...
让树莓派智能语音助手实现定时提醒功能

让树莓派智能语音助手实现定时提醒功能

最初的时候是想直接在rasa 的chatbot上实现，因为rasa本身是带有remindschedule模块的。不过经过一番折腾后，忽然发现，chatbot上实现的定时，语音助手不一定会有响应。因为，我目前语音助手的代码设置了长时间无应答会结束对话，这样一来，chatbot定时提醒的触发就不会被语音助手获悉。那怎么让语音助手也具有定时提醒功能呢？ 我最后选择的方法是用threading.Time
阅读更多...
Linux 网络编程 --- 应用层

Linux 网络编程 --- 应用层

一、自定义协议和序列化反序列化 代码： 序列化反序列化实现网络版本计算器 二、HTTP协议 1、谈两个简单的预备知识 https://www.baidu.com/ --- 域名 --- 域名解析 --- IP地址 http的端口号为80端口，https的端口号为443 url为统一资源定位符。CSDNhttps://mp.csdn.net/mp_blog/creation/editor
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2