0用CNN进行图像分类,基于CNN的遥感图像场景分类

作者:计算机知识

出于专业及课题需求学习应用卷积神经网络的点子对脑部MHummerH二I印象开始展览病灶分割,想问问各位大神零基础的话必要学习怎么课程?感谢

tensorflow升级到一.0之后,扩张了有的高级模块: 如tf.layers, tf.metrics, 和tf.losses,使得代码稍微某个简化。

0用CNN进行图像分类,基于CNN的遥感图像场景分类。本文希望完毕一个简易的卷积神经互连网布局,用于遥感图像的光景分类 ,作为在遥感数据上拓展深度学习的入门实践

运用卷积神经互连网演习图像数据分为以下多少个步骤

职责:花卉分类


  1. 读取图片文件
  2. 爆发用于磨练的批次
  3. 概念练习的模型(包涵开首化参数,卷积、池化层等参数、网络)
  4. 训练

版本:tensorflow 1.0

此次执行的严重性参考资料为凯文 Xu 的 Tensorflow tutorial: Cats vs. dogs;在此表示多谢

一 读取图片文件

 1 def get_files(filename):
 2     class_train = []
 3     label_train = []
 4     for train_class in os.listdir(filename):
 5         for pic in os.listdir(filename train_class):
 6             class_train.append(filename train_class '/' pic)
 7             label_train.append(train_class)
 8     temp = np.array([class_train,label_train])
 9     temp = temp.transpose()
10     #shuffle the samples
11     np.random.shuffle(temp)
12     #after transpose, images is in dimension 0 and label in dimension 1
13     image_list = list(temp[:,0])
14     label_list = list(temp[:,1])
15     label_list = [int(i) for i in label_list]
16     #print(label_list)
17     return image_list,label_list

  那里文件名作为标签,即体系(其数据类型要规定,前面要转为tensor类型数据)。

  然后将image和label转为list格式数据,因为背后用到的的局地tensorflow函数接收的是list格式数据。

本文由bwin必赢发布,转载请注明来源

关键词: 日记本 深度学习 tensorflow CNN 自己的数据集