
摘要
本例提取了植物幼苗数据集中的部分数据做数据集,数据集共有12种类别,今天我和大家一起实现
tensorflow2.X版本图像分类任务,分类的模型使用MobileNetV2,MobileNetV2在MobileNetV1的基础
上增加了线性瓶颈(Linear Bottleneck)和倒残差(Inverted Residual)是一种轻量级的网络,适合应
用在真实的移动端应用场景。
关于MobileNetV2的介绍可以看我以前的文章:
https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/122766065
通过这篇文章你可以学到:
1、如何加载图片数据,并处理数据。
2、如果将标签转为onehot编码
3、如何使用数据增强。
4、如何使用mixup。
5、如何切分数据集。
6、如何加载预训练模型。
项目结构
训练
1、Mixup
mixup是一种非常规的数据增强方法,一个和数据无关的简单数据增强原则,其以线性插值的方式
来构建新的训练样本和标签。最终对标签的处理如下公式所示,这很简单但对于增强策略来说又很不一
般。
MobileNetV2_demo
├─data
│ ├─test
│ └─train
│ ├─Black-grass
│ ├─Charlock
│ ├─Cleavers
│ ├─Common Chickweed
│ ├─Common wheat
│ ├─Fat Hen
│ ├─Loose Silky-bent
│ ├─Maize
│ ├─Scentless Mayweed
│ ├─Shepherds Purse
│ ├─Small-flowered Cranesbill
│ └─Sugar beet
├─train.py
├─test1.py
└─test.py
评论14