基于卷积神经网络实现景区精准识别场景

涉及技术:图像预处理,卷积神经网络

图像预处理:

统一分辨率:保证像素个数相同

随机裁剪图像:解决拍摄位置不同

更改颜色空间:消除白天与夜晚的差别

随机调节亮度,对比度

卷积神经网络:

基础知识

卷积:得到Feature图

池化:减少特征

平坦:拉平特征

全连接:接收前面卷积和池化输出的结果,然后通过激励函数对数据进一步进行非线性化处理,并将计算结果输出给下一层。

激活:非线性

多分类:Softmax分类器,将输出结果转化为概率分布问题。

独热编码:One-Hot-Encoding

正则化:防止过拟合

实验流程:

1.图像预处理

2.CNN模型构建

  1. 创建一个空模型
  2. 添加输入层,指定输入大小
  3. 添加卷积层,指定卷积核大小和数量
  4. 添加正则化层,指定丢弃神经元例
  5. 添加池化层,设置池化参数
  6. 重复以上步骤,然后添加平坦层和全连接层
  7. 添加输出层,根据图像种类个数设置输出神经元数量

3.设置模型训练参数

  1. 损失函数:常用的损失函数:交叉嫡,MSE,0-1误差。
  2. 优化器
  3. 验证集/训练集

你可能感兴趣的:(人工智能,机器学习实验,python,cnn)