Capstone

顶石 概括 我对该项目的目标是，根据斯坦福大学AI网站（ ）上预先配置的数据集，按品牌，型号和年份对汽车进行分类。数据预先设置了所有图像的标签和边框。通过使用TensorFlow的图像数据生成器将图像转换为像素数据矩阵，我创建了一个卷积神经网络，将看不见的验证图像分类为不同的汽车品牌。从网站上所有数据的组合中，我总共获得了约16,000张图像，并以90/10的培训/测试比例进行了划分，从而能够利用经过预先培训的模型，例如在“ Imagenet的数据集在196种汽车类别的测试数据上的准确性得分达到〜85％。 回购内容： image_file_prep.ipynb-准备用于建模的图像和边界框 efficiencynetb0.ipynb-高效netb0建模 efficiencynetb1.ipynb-高效netb1建模 efficiencynetb2.ipynb-高效的netb2建模 inc