乐趣区

关于python:鸟类识别系统tensorflow项目

jiezi

介绍

Python 作业
机器学习，人工智能，模式识别课程，鸟类辨认检测零碎。

  • 这是一个鸟类辨认我的项目，基于 tensorflow，应用卷积神经网络实现对 200 种鸟类进行辨认。
  • 在数据集中收集了 200 中鸟类图片，每种鸟类都有着 40~60 张图片，通过对这些数据集进行训练，从而实现对这 200 中鸟类进行辨认。
  • 通过模型算法构建，在服务器上通过 30 次迭代，目前已将鸟类预测由 0.005 准确率（1/200）晋升至 0.5 左右，准确率晋升了 100 倍，合乎预期成果。
  • 提供后盾管理系统，将辨认数据保留进数据库中，并在管理系统中查看。

应用

  • 语言 python3.8
  • tensorflow==2.8
  • django

界面

提示框中显示的 Yellow haded blackbird 即为鸟类名称，当然如果须要翻译中中文也能够。

模型迭代次数

次要代码

model = tf.keras.Sequential([tf.keras.layers.Conv2D(64, (3, 3), input_shape=(256, 256, 3), 
                                    activation='relu'),
             tf.keras.layers.BatchNormalization(),
             tf.keras.layers.Conv2D(64, (3, 3), activation='relu'),
             tf.keras.layers.BatchNormalization(),
             tf.keras.layers.MaxPooling2D(),
             tf.keras.layers.Conv2D(128, (3, 3), activation='relu'),
             tf.keras.layers.BatchNormalization(),
             tf.keras.layers.Conv2D(128, (3, 3), activation='relu'),
             tf.keras.layers.BatchNormalization(),
             tf.keras.layers.MaxPooling2D(),
             tf.keras.layers.Conv2D(256, (3, 3), activation='relu'),
             tf.keras.layers.BatchNormalization(),
             tf.keras.layers.Conv2D(256, (3, 3), activation='relu'),
             tf.keras.layers.BatchNormalization(),
             tf.keras.layers.MaxPooling2D(),
             tf.keras.layers.Conv2D(512, (3, 3), activation='relu'),
             tf.keras.layers.BatchNormalization(),
             tf.keras.layers.Conv2D(512, (3, 3), activation='relu'),
             tf.keras.layers.BatchNormalization(),
             tf.keras.layers.MaxPooling2D(),
             tf.keras.layers.Conv2D(512, (3, 3), activation='relu'),
             tf.keras.layers.BatchNormalization(),
             tf.keras.layers.Conv2D(512, (3, 3), activation='relu'),
             tf.keras.layers.BatchNormalization(),
             tf.keras.layers.Conv2D(512, (3, 3), activation='relu'),
             tf.keras.layers.BatchNormalization(),
             tf.keras.layers.GlobalAveragePooling2D(),
             tf.keras.layers.Dense(1024, activation='relu'),
             tf.keras.layers.BatchNormalization(),
             tf.keras.layers.Dense(200)    
])

如需征询，分割 q：2784127853

退出移动版