有關藝術畫作分類的 Kaggle 比賽經驗分享

本文為 AI 研習社編譯的技術博客，原標題 ：

Classifying Artwork Images Kaggle Competition

作者 | Terrance Whitehurst

翻譯 | M惠M

校對 | 醬番梨 整理 | 菠蘿妹

原文鏈接：

https://medium.com/@TerranceWhitehurst/classifying-artwork-images-kaggle-competition-8b3a98b4a341

https://github.com/Terrance-Whitehurst/Keras-Art-Images-Classification/blob/master/Keras%20Artwork%20Classification.ipynb

在這個項目中，我將使用遷移學習和深度學習框架Keras對kaggle數據集中的不同藝術作品圖像進行分類。

1. 使用keras庫進行分類任務

2. 使用keras進行遷移學習

3. 數據增強

#1

首先導入所有的依賴項。

#2

載入了訓練和驗證集以及藝術圖像的類別。

還設置了一些hyper參數，以便在培訓和載入模型時使用。

#3

按類別將訓練圖像進行可視化。

#4

將來自不同類的一些圖像進行可視化。

#5

使用for循環創建訓練數據和測試數據。

#6

定義函數來載入數據集。

#7

使用keras的「ImageDataGenerator」來增強數據。然後將訓練數據與擴充相匹配。

#8

這是最終模型。它是一個兩層網路，有兩個密集的層和一個輸出層。在我們完成模型架構之後，我們還必須在培訓之前編譯模型。

#9

這使用數據增強創建一個生成器。接下來調用「fit_generator」來訓練模型，並添加「history」，這樣就可以可視化之後的訓練。

#10

使用在「fit_generator」之前調用的「history」來查看各個時代的損失和準確性。

#11

創建一個測試集來獲得預測

#12

調用「predict」來獲得預測，然後創建一個分類報告和混淆矩陣，以查看模型做得有多好!雷鋒網

#13

使用「plot_model」來獲得模型架構的圖像，我將在下面顯示。

下面是我在這個項目中使用的可視化模型

學習快樂!

想要繼續查看該篇文章相關鏈接和參考文獻？

長按鏈接點擊打開或點擊【有關藝術畫作分類的 Kaggle 比賽經驗分享】：

https://ai.yanxishe.com/page/TextTranslation/1283

AI研習社每日更新精彩內容，觀看更多精彩內容：雷鋒網

等你來譯：雷鋒網

預訓練模型及其應用一文帶你讀懂線性分類器(Python)3D人臉處理工具face3d讓你的電腦擁有「視力」，用卷積神經網路就可以！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！