Skip to content

微调 Inception-ResNet-V2, 解决 AI Challenger 2017 场景分类问题。

License

Notifications You must be signed in to change notification settings

foamliu/Scene-Classification

Repository files navigation

场景分类

微调 Inception-ResNet-V2, 解决 AI Challenger 2017 场景分类问题。

依赖

数据集

我们使用AI Challenger 2017中的场景分类数据集,其中包含80,900种场景的60,999张图像。 数据分为53,879个训练图像和7,120个测试图像。

image

你可以从中得到它 Scene Classification Dataset:

性能

用14118张测试图片计算平均准确率(mAP),结果如下:

Test A Test B
图片数 7040 7078
Top3准确度 0.94346 0.91212

用法

数据预处理

提取60,999个训练图像,并将它们分开(53,879个用于训练,7,120个用于验证):

$ python pre-process.py

训练

$ python train.py

如果想在培训期间进行可视化,请在终端中运行:

$ tensorboard --logdir path_to_current_dir/logs

Demo

下载 pre-trained model 放在 models 目录然后执行:

$ python demo.py
1 2 3 4
image image image image
教室, prob: 0.751 修理店, prob: 0.4876 沙漠, prob: 0.9402 酒吧, prob: 0.8236
image image image image
宫殿, prob: 0.6837 博物馆, prob: 0.6911 住宅, prob: 0.5338 会议室, prob: 0.9461
image image image image
集市, prob: 0.9636 桥, prob: 0.571 航站楼, prob: 0.9362 游乐场, prob: 0.5429
image image image image
保龄球馆, prob: 0.9995 漂流, prob: 0.998 水族馆, prob: 0.9898 停机坪, prob: 0.9965
image image image image
跑马场, prob: 0.9966 实验室, prob: 0.8698 滑雪场, prob: 0.8024 会议室, prob: 0.6975

性能评估

$ python evaluate.py

About

微调 Inception-ResNet-V2, 解决 AI Challenger 2017 场景分类问题。

Topics

Resources

License

Stars

Watchers

Forks

Packages

No packages published

Languages