有关艺术画作分类的 Kaggle 比赛经验分享

 

    源代码!

 

https://github.com/Terrance-Whitehurst/Keras-Art-Images-Classification/blob/master/Keras%20Artwork%20Classification.ipynb


概述!

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。

 

    你将学到什幺!

 

 

使用keras库进行分类任务

 

使用keras进行迁移学习

 

数据增强

 

 

 

  我们开始吧!

 

#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。

 

    结论

 

下面是我在这个项目中使用的可视化模型

 

 

学习快乐!

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

发表评论

电子邮件地址不会被公开。 必填项已用*标注