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