English | 简体中文(测试中...敬请期待)
Cnn-Classification-Dog-Vs-Cat 猫狗辨别
(pytorch版本) CNN Resnet18 的猫狗分类器,基于ResNet及其变体网路系列,对于一般的图像识别任务表现优异,模型精准度高达93%(小型样本)。
项目制作于本科大三学习 [認識人工智慧AI:企業人工智慧] 课堂期间,正好遇上本人对这方面感兴趣的阶段,所以选择了入门的深度学习项目练手,希望做为兴趣点激励自己学习!距离DDL只剩几天了,现阶段时间和精力有限,遂没有自建神经网络,只是利用了已训练的常用网络进行深度学习,以后找机会补上。
1 requirement
- python3
- matplotlib
- numpy
- pytorch
- pandas
- os
- Images
2 Description of files
- inputs: 包含猫狗训练和测试样本图片数据[下载地址],经过特殊改良,其中训练集包含1000笔狗狗图片、1000笔猫咪图片,测试集包含100笔猫狗混合图片;
- dog_cat_classcial.ipynb:主文件,训练后测试集精度约 93%
- ckpt_resnet18_catdog.pth:基于CNN的预测模型
- preds_resnet18.csv:预测后结果储存位置
- true_test.csv:一笔正确的资料数据
3 Start training
-
印出部分训练集图片
-
在CNN(Resnet)的基础上进行深度学习
dog_cat_classcial.ipynb
4 Output prediction results
5 References
- [1]. 猫狗图像数据来源: https://www.kaggle.com/c/dogs-vs-cats/data
- [2]. 参考kaggle竞赛奖牌获得者项目 https://www.kaggle.com/uysimty/keras-cnn-dog-or-cat-classification