使用 TensorFlow 使用深度学习模型进行计算机视觉精度分析-研究论文

深度学习绝对主导了计算机视觉，它创建了一个模型，可以最准确地对数据集中的给定图像进行分类，并超越人类的表现。 在之前的研究工作中，创建了许多深度学习模型并使用 Python 在各种数据集（如 MNIST、CIFAR-10、ImageNet）上测试图像分类。 尽管他们在分类准确度方面取得了不错的结果，但在本文中，我扩展了测量分类准确度的性能分析以及使用 TensorFlow2.0 和 Keras 在具有 50000 张图像的 CIFAR-10 数据集上对 CPU 和 GPU 进行预测的工作10 个数据集有很多不同的类别，分辨率非常低。 TensorFlow 是 Google 开发的 Python 库之上的一项新兴技术。 这项工作在英特尔:registered: 酷睿:trade_mark: i3-7100U CPU 的 GPU 上达到了 85% 的准确率，这在这项工作中使用的数据集不容易处理并且所有类别都非常低的分辨率下是可以接受的。 这就是它影响网络性能的原因。 从更多数据集中对极低分辨率的图像进行分类和预测确实具有挑战性，计算机视觉准确性在我的工作中表现出色是一件很棒的事情。