计算机视觉（3）：用inception-v3模型重新训练自己的数据模型

用inception-v3重新训练自己的数据模型

背景：

现代的图像识别模型具有数以百万计的参数，从头开始训练（train from scratch）需要大量的样本数据以及消耗巨大的计算资源（几百个gpu），因此采用迁移学习的方式重训一个模型（retrain a model）对于学习模型的成本较低，利用inception-v3作为已经训练好的模型，来实现自己的图像分类识别。

 

 

inception模型文件目录介绍：

data目录：需要训练的数据放在该目录：       inception_model：把下载inception模型放在该目录下：

  

 

test_images：把训练完成之后，测试图片所放目录

 

数据准备完成之后，按以下步骤执行：

 步骤1：

windows:

运行批处理文件retrain.bat

 

python retrain.py ^
--bottleneck_dir bottleneck ^      #自行生成每个训练图片的数据
--how_many_training_steps 200 ^ #步数
--model_dir inception_model ^    #模型
--output_graph output_graph.pb ^ #训练后输出模型
--output_labels output_labels.txt ^ #训练后输出label
--image_dir data
pause    

 

ubuntu:

运行批处理文件retrain.sh

 

步骤2：

训练完成后，测试如下

 

 

python  predict.py

测试结果如下：

 

 

 

 

结论：如果测试物体不相似，识别率很高，但是如果物体形状相似，识别率则不高

源码：https://pan.baidu.com/s/1qdrmnqsrv5k3qeszxrc9qa    提取码：jipt