【计算机视觉40例】案例21：图像分类

【计算机视觉40例】案例21：图像分类

图像分类是计算机视觉最基础的任务之一。开始，人们对较简单的具有10个数字类别的手写数字数据集MNIST进行分类。后来，人们对更加复杂的具有10个分类的CIFAR10和100个分类的CIFAR100进行分类。再后来，ImageNet成为人们在分类时所使用的主要数据集。

图像分类，简单来说就是将不同的图像划分到不同的类别内，并保证最小的分类误差。

【例题】使用GoogleNet完成图像分类。

运行程序，显示如图1所示图像。

图1  结果展示

从运行结果可以看到识别结果为“灯塔（beacon, lighthouse, beacon light, pharos）”，置信度为：98.69%。

欢迎大家阅读《计算机视觉40例——从入门到深度学习（OpenCV-Python）》一书中第24章《深度学习应用实践》获取详细内容。

《计算机视觉40例——从入门到深度学习（OpenCV-Python）》在介绍Python基础、OpenCV基础、计算机视觉理论基础、深度学习理论的基础上，介绍了计算机视觉领域内具有代表性的40个典型案例。这些案例中，既有传统的案例（数字识别、答题卡识别、物体计数、缺陷检测、手势识别、隐身术、以图搜图、车牌识别、图像加密、指纹识别等），也有深度学习案例（图像分类、风格迁移、姿势识别、实例分割等），还有人脸识别方面的案例（表情识别、驾驶员疲劳监测、识别性别与年龄等）。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。