利用深度学习技术对Caltech数据集中的图像进行分类。数据集包含101个目标类别和背景类，总计约7999张图像.zip

# 百度松果飞浆大作业--图像分类 这个项目利用深度学习技术对Caltech数据集中的图像进行分类。数据集包含101个目标类别和背景类，总计约7999张图像。通过Python编程和PaddlePaddle深度学习框架，我们实现了对图像的识别与分类。项目首先进行了数据预处理，包括数据集解压、数据划分和标签提取等。随后，利用PaddlePaddle提供的图像增强工具对图像进行处理，包括翻转、模糊处理、扭曲等操作。接着，构建了训练集、验证集和总数据集，并应用ResNet101_vd_ssld模型进行训练和验证。项目展示了使用深度学习技术进行图像分类的全过程，涵盖了数据预处理、模型构建、训练和预测等步骤。通过这个项目，可以学习如何利用深度学习方法处理图像分类问题，并为实际应用中的模型构建和优化提供了示例和思路。