標籤
基於TNN在Android手機上實現圖像分類
2020-09-06 221 閱讀 深度學習 Android 深度學習 Android tnn 圖像分類 圖像識別

這個項目主要是基於TensorFlow Lite的圖像分類器，可以實現在Android設備上進行即時圖像識別。其主要功能和實現步驟如下： ### 項目結構 - **MainActivity.java**: 主界面實現了圖庫圖片選擇及即時攝像頭預測。 - **MNNClassification.java**: 集成並封裝了MNN模型相關操作。 ### 實現思路 1. **初始化**:

閱讀全文
百度機器學習訓練營筆記——問題回答
2019-11-17 202 閱讀 深度學習 PaddlePaddle 深度學習 PaddlePaddle 圖像分類 人工智能

該代碼使用PaddlePaddle構建了一個卷積神經網絡來處理CIFAR-10數據集。網絡包含3層卷積池化和一層全連接層，沒有使用BN層。 **網絡結構分析：** 1. 輸入圖像尺寸爲(128, 3, 32, 32)。 2. 第一、二層卷積核大小5x5，第一層輸出(128, 20, 28, 28)，第二層輸出(128, 50, 14, 14)；每層卷積輸出的參數量分別爲1500和25000。

閱讀全文
《PaddlePaddle從入門到煉丹》十一——自定義圖像數據集識別
2019-02-23 193 閱讀 PaddlePaddle PaddlePaddle從入門到煉丹 PaddlePaddle 圖像識別 自定義數據集 圖像分類 爬蟲

這篇筆記主要介紹瞭如何使用PaddlePaddle進行圖像分類任務的訓練和預測，具體包括以下幾個部分： ### 1. 準備數據集 作者從一個包含6類水果圖片的數據集中提取了240張圖片作爲訓練集，並將其整理爲CSV文件格式。 ### 2. 構建模型 使用PaddlePaddle定義了一個簡單的LeNet模型結構。該模型包括兩個卷積層、兩個池化層和全連接層，最後通過Softmax進行分類。 #

閱讀全文
《PaddlePaddle從入門到煉丹》九——遷移學習
2019-01-17 187 閱讀 PaddlePaddle PaddlePaddle從入門到煉丹 Paddle Paddle 遷移學習 深度學習 圖像分類 殘差神經網絡

感謝分享這個詳細且全面的教程。使用預訓練模型確實能夠大大提高模型的效果和收斂速度，特別是對於數據量較小的情況。下面我將根據你的代碼進行一些優化和補充說明，並提供一些建議。 ### 代碼優化 1. **加載和保存模型時的錯誤處理**：增加對文件操作錯誤的捕獲。 2. **使用 `paddle.static` API**：推薦使用 PaddlePaddle 的靜態圖 API，因爲它在訓練和預測中更

閱讀全文
《PaddlePaddle從入門到煉丹》十——VisualDL 訓練可視化
2019-01-17 196 閱讀 PaddlePaddle PaddlePaddle從入門到煉丹 PaddlePaddle 訓練可視化 VisualDL 深度學習 圖像分類

本章節將詳細介紹如何使用PaddlePaddle的`VisualDL`工具來進行模型訓練過程中的可視化，這有助於更好地理解模型學習的過程和優化效果。以下是詳細的教程步驟： ### 一、安裝VisualDL 首先需要確保已經安裝了PaddlePaddle，並且已經安裝了VisualDL。如果尚未安裝，可以通過以下命令進行安裝： ```bash pip install paddlepaddle-gp

閱讀全文
PaddlePaddle實現手寫藏文識別
2018-12-06 203 閱讀 PaddlePaddle PaddlePaddle Fluid 卷積神經網絡 自定義數據集 圖像分類

這段代碼使用了PaddlePaddle框架進行Tibetan MNIST手寫數字識別模型的訓練、預測和繪圖。整個過程可以分爲以下幾個步驟： 1. **數據集加載**：首先從Kesci平臺下載並拆解數據集，然後將原始圖片轉換爲標準化後的灰度圖像。 2. **模型定義與訓練**： - 定義了一個簡單的CNN網絡結構。 - 設置了優化器、損失函數和準確率計算方法。 - 使用Padd

閱讀全文
在Android手機上使用騰訊的ncnn實現圖像分類
2018-09-05 225 閱讀 深度學習 Android ncnn Android 圖像分類 深度學習

你分享的內容非常詳細，涵蓋了從Caffe模型轉換、使用ncnn庫進行優化及集成到Android項目中的全過程。以下是對你的回答的總結和一些補充建議： 1. **模型轉換**： - 使用`net Bender`將Caffe模型轉換爲ncnn格式，這是一個非常實用的工具。 - 轉換過程中需要注意輸入輸出層名、是否使用BN層優化等參數。 2. **ncnn庫集成**： - 通過`C

閱讀全文
在Android手機上使用MACE實現圖像分類
2018-08-22 269 閱讀 深度學習 Android MACE Android 深度學習 圖像分類

這是一個很好的關於如何在Android應用中集成MACE框架來進行圖像識別的教程。你已經詳細地介紹了整個項目的實現過程，從依賴庫的添加到代碼的具體實現，並且附帶了必要的圖片和參考資料。 ### 項目結構 你的項目`main`模塊下有以下文件： 1. **build.gradle (Module: app)**：包含了依賴項配置。 2. **AndroidManifest.xml**：添加了需

閱讀全文