Image-Classification

图像分类 在这个项目中，我们收集了上海和广州的四座建筑物/物体的图像数据。 每个课程包含从不同角度和距离拍摄的100〜150张建筑物/物体的照片。 该笔记本训练一个模型来识别这些类别。 该笔记本最初在上运行。 数据存储并下载到。 您可以通过简单地请求访问数据来下载数据。 本笔记本的主要步骤： 一，上传数据 二。 预处理数据 （a）分割训练数据和验证数据（b）预处理并生成批处理图像数据III。 通过在小型数据集上进行训练来识别对象 IV。 使用数据增强来获得更高的准确性 V.导出模型并在浏览器中运行 结果 将简单的CNN模型应用于数据可以使我们的验证准确性达到93％。 数据扩充将预测准确度从93％提高到99.3％。 对于每一堂课，我们只选一张图片，并显示预测结果。 下图给出了训练以及准确性和损失的验证，该图显示了训练过程的前150次训练的结果。 在第60个时期之后，训练和验证曲线均趋