花卉大识别之崭露头角

之所以写这个文章，主要还是由于有2段经历，一次是有个去**实习的机会，就是要做一个对花卉分类的桌面应用。另一个耿是在一次GPU的培训会上，旁边一个童鞋的公司就是做手机端的花卉识别。当然现在市场上也有好多这方面比较成熟的应用。

进入正题，论文为，Automated flowerclassification over a large number of classes，核心思想主要就是用AlexNet和VGG进行了分类的训练，也算是属于fine-grained classification的范畴。

git  clone  https://github.com/greatnorman1102/Flower-fine-grained-classification.git

下载图片数据集（Oxford 102category flower dataset）和预训练模型，执行，

python  bootstrap.py

执行完毕后，将会在当前目录下生成data文件夹，里面存放图片数据。

制作LMDB数据

../../build/tools/convert_imageset --resize_height=256 --resize_width=256 /home/caffe/examples/Flower-fine-grained-classification/data/jpg/ train_.txt ./img_train_lmdb../../build/tools/convert_imageset --resize_height=256 --resize_width=256 /home/caffe/examples/Flower-fine-grained-classification/data/jpg/ valid_.txt ./img_valid_lmdb

修改AlexNet 用于训练的prototxt

finetune AlexNet

../../build/tools/caffe train -solver solver.prototxt -weights pretrained-weights.caffemodel -gpu 0

修改VGG_S用于训练的prototxt

finetune VGG_S

../../build/tools/caffe train -solver solver.prototxt -weights pretrained-weights.caffemodel -gpu 1

修改GOOGLENET用于训练的prototxt

finetune GOOGLENET

../../build/tools/caffe train -solver solver.prototxt -weights pretrained-weights.caffemodel -gpu 2

训练完毕后曲线如下所示，按理说，googlenet的层数最多，应该性能最好，实际却不是，可能的原因应该就是googlenet训练需要一些trick，不是那么好finetune，这也许也是好多检测框架使用VGG的原因吧。

制作synset_words.txt

43_alpine sea holly
105_anthurium
78_artichoke
96_azalea
46_ball moss
49_balloon flower
127_barbeton daisy
54_bearded iris
66_bee balm
85_bird of paradise
109_bishop of llandaff
54_black-eyed susan
48_blackberry lily
49_blanket flower
40_bolero deep blue
128_bougainvillea
63_bromelia
49_king protea
67_lenten rose
137_lotus
46_love in the mist
63_magnolia
66_mallow
67_marigold
40_mexican aster
82_mexican petunia
46_monkshood
40_moon orchid
107_morning glory
67_orange dahlia
61_osteospermum
49_oxeye daisy
251_passion flower
71_pelargonium
71_buttercup
102_californian poppy
91_camellia
82_canna lily
40_canterbury bells
108_cape flower
52_carnation
50_cautleya spicata
112_clematis
87_colt's foot
86_columbine
92_common dandelion
41_corn poppy
154_cyclamen
59_daffodil
63_desert-rose
65_english marigold
82_peruvian lily
258_petunia
59_pincushion flower
40_pink primrose
109_pink-yellow dahlia
93_poinsettia
93_primula
40_prince of wales feathers
85_purple coneflower
42_red ginger
171_rose
75_ruby-lipped cattleya
41_siam tulip
52_silverbush
87_snapdragon
48_spear thistle
42_spring crocus
40_fire lily
162_foxglove
166_frangipani
91_fritillary
45_garden phlox
67_gaura
78_gazania
114_geranium
56_giant white arum lily
45_globe thistle
41_globe-flower
41_grape hyacinth
56_great masterwort
60_hard-leaved pocket orchid
131_hibiscus
76_hippeastrum
55_japanese anemone
66_stemless gentian
61_sunflower
56_sweet pea
85_sweet william
130_sword lily
120_thorn apple
45_tiger lily
41_toad lily
58_tree mallow
62_tree poppy
58_trumpet creeper
196_wallflower
194_water lily
184_watercress
85_wild pansy
54_windflower
49_yellow iris

制作一个测试的sh脚本

#!/bin/bash
#AlexNet
../../build/examples/cpp_classification/classification.bin\AlexNet/deploy.prototxt\AlexNet/caffe_alexnet_train_iter_50000.caffemodel\imagenet_mean.binaryproto\synset_words.txt\data/jpg/image_00256.jpg
#VGG-S
../../build/examples/cpp_classification/classification.bin\VGG-S/VGG_CNN_S_deploy.prototxt\VGG-S/caffe_vgg_train_iter_20000.caffemodel\VGG-S/VGG_mean.binaryproto\synset_words.txt\data/jpg/image_00256.jpg
#GoogleNet
../../build/examples/cpp_classification/classification.bin\googlenet/deploy.prototxt\googlenet/caffe_googlenet_train_iter_50000.caffemodel\imagenet_mean.binaryproto\synset_words.txt\data/jpg/image_00256.jpg

运行上述脚本，输出结果，

references:

https://github.com/greatnorman1102/Flower-fine-grained-classification

http://www.robots.ox.ac.uk/~vgg/data/flowers/102/index.html

花卉大识别之崭露头角相关推荐

30倍加速，3毫秒极速识别，人、车、OCR等9大识别任务一网打尽
本文已在飞桨公众号发布,查看请戳链接: 30倍加速,3毫秒极速识别,人.车.OCR等9大识别任务一网打尽人脸.车辆.人体属性.卡证.交通标识等经典图像识别能力,在我们当前数字化工作及生活中发挥着极其 ...
基于深度学习的花卉检测与识别系统（YOLOv5清新界面版，Python代码）
摘要:基于深度学习的花卉检测与识别系统用于常见花卉识别计数,智能检测花卉种类并记录和保存结果,对各种花卉检测结果可视化,更加方便准确辨认花卉.本文详细介绍花卉检测与识别系统,在介绍算法原理的同时,给出 ...
毕设深度学习卷积神经网络的花卉识别
文章目录 0 前言 1 项目背景 2 花卉识别的基本原理 3 算法实现 3.1 预处理 3.2 特征提取和选择 3.3 分类器设计和决策 3.4 卷积神经网络基本原理 4 算法实现 4.1 花卉图像数 ...
花卉识别python_基于深度学习的花卉识别系统设计与实现
杨美艳任富顺顾志东摘要:深度学习是机器学习的一种前沿发展,设计主要利用谷歌的tensorflow框架,实现了对十种花卉的分类和识别.通过已有的大量的花卉图片素材,编写卷积神经网络对花卉图片 ...
毕业设计 - 题目：基于深度学习卷积神经网络的花卉识别 - 深度学习机器视觉
文章目录 0 前言 1 项目背景 2 花卉识别的基本原理 3 算法实现 3.1 预处理 3.2 特征提取和选择 3.3 分类器设计和决策 3.4 卷积神经网络基本原理 4 算法实现 4.1 花卉图像数 ...
基于MATLAB花卉识别系统,基于深度学习的花卉识别系统设计与实现
杨美艳任富顺顾志东摘要:深度学习是机器学习的一种前沿发展,设计主要利用谷歌的tensorflow框架,实现了对十种花卉的分类和识别.通过已有的大量的花卉图片素材,编写卷积神经网络对花卉图片 ...
【毕业设计】基于卷积神经网络的植物花卉识别系统
系统演示视频: [毕业设计]基于卷积神经网络的植物花卉分类系统本项目使用到的技术包括:卷积神经网络(CNN)算法,Django框架搭建网站,CNN模型调优. 项目包括四部分: 1.数据集 2.模型训 ...
基于TensorFlow的花卉识别
概要设计数据分析本次设计的主题是花卉识别,数据为TensorFlow的官方数据集flower_photos,包括5种花卉(雏菊.蒲公英.玫瑰.向日葵和郁金香)的图片,并有对应类别的标识(daisy ...
毕业设计-基于深度学习的花卉识别分类
目录前言课题背景和意义实现技术思路一.花卉识别相关理论基础二.基于 ResNeXt 和迁移学习的花卉种类识别三.基于 EfficientNet 和迁移学习的花卉种类识别实现效果图样例最 ...

花卉大识别之崭露头角

花卉大识别之崭露头角相关推荐

最新文章

热门文章