我创建了一个简单的 CNN 来区分 5 种不同类别的花。我想扩展 CNN 以识别更多物体。例如,我希望 CNN 能够识别一杯啤酒、 window 、树木等的图像。 下面是我编写的用于对花朵进行分类的代码,效果非常好。但如何扩展它,让它识别越来越多的物体。我不想使用任何预先训练的模型。我希望它能够学习对更多对象进行分类。请帮忙。
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Convolution2D, MaxPooling2D, Flatten, Dense
classifier=Sequential()
#1st Convolution Layer
classifier.add(Convolution2D(32, 3, 3, input_shape=(64,64,3),activation="relu"))
#Pooling
classifier.add(MaxPooling2D(pool_size = (2, 2)))
# Adding a second convolutional layer
classifier.add(Convolution2D(32, 3, 3, activation = 'relu'))
classifier.add(MaxPooling2D(pool_size = (2, 2)))
# Flattening
classifier.add(Flatten())
classifier.add(Dense(output_dim = 128, activation = 'relu'))
classifier.add(Dense(output_dim = 64, activation = 'relu'))
classifier.add(Dense(output_dim = 5, activation = 'softmax'))
classifier.compile(optimizer = 'adam', loss = 'categorical_crossentropy', metrics = ['accuracy'])
print(classifier.summary())
train_datagen = ImageDataGenerator(rescale = 1./255,
shear_range = 0.2,
zoom_range = 0.2,
horizontal_flip = True)
test_datagen = ImageDataGenerator(rescale = 1./255)
training_set= train_datagen.flow_from_directory('flowers/train_set',
target_size=(64,64),
batch_size=32,
class_mode='categorical')
test_set= test_datagen.flow_from_directory('flowers/test_set',
target_size=(64,64),
batch_size=32,
class_mode='categorical')
classifier.fit_generator(training_set,
samples_per_epoch = 3000,
nb_epoch = 25,
validation_data = test_set,
nb_val_samples=1000)
最佳答案
如果您想使用自己的模型而不是微调 Vgg 或 inception 等预训练模型(例如),您应该阅读本文:
iCaRL an incremnetal network (paper)
当然你必须改变你的算法和代码。我找到了这个 github 存储库,显然他们已经实现了它:Github repo for iCaRL in tensorflow
但是你必须使用tensorflow。查看它以了解如何将它与您的模型一起使用(如果可能的话,我今天才找到这篇论文和这个存储库,所以我还没有看过它)。
您所问的问题仍属于研究领域,因此还没有广泛或通用的技术。 正如我在评论中所说,搜索关键词“增量学习”,还有其他关于这个主题的论文。 (查看iCaRL论文的相关工作 session ,该主题的所有主要技术和论文都得到了很好的总结!)
此外,请注意,添加与之前的数据集非常不同的对象(例如鲜花+啤酒或 window ),会大大降低您的准确性。 您将需要训练更长时间才能获得更好的准确性(但您的准确性可能永远不会像以前那样提高)
关于python - 如何扩展CNN来识别更多物体?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51499231/