039基于深度学习的花卉识别小程序
发布时间
阅读量：
阅读量
在代码实现中，用于CNN分类任务的主流模型通常采用以下十种不同的架构设计：包括Alex Krizhevsky提出的Alex-Net架构（Alex Net）、基于密集连接层的Densenet（DCNN）结构、深度可分离卷积网络（DC）设计以及广受欢迎的Efficient Net等高效轻量级架构
视频教程找038-039期:
https://space.bilibili.com/124080712?spmidfrom=333.999.0.0
链接后端 https://space.bilibili.com/124080712?spmidfrom=333.999.0.0
效果演示图如下：
完整的文件展示如下：
算法部分 ：
其中花卉数据集文件夹下存放的图像数据集。
启动并执行01训练数据集文本生成.py脚本后会自动将该数据集中的图片路径信息附加相应的标签信息存储到指定的txt文本文件中。
执行02train.py会将txt文本中的图像数据获取并用于模型训练的过程，并最终将其保存至weights文件夹中。
该程序被命名为运行03.py，并充当了一个小程序接口。该系统通过接收由接口互动的小程序传入的图像数据进行处理，并经过模型识别后得出的结果会被返回。
全部评论 (0)
还没有任何评论哟~