文件名称：颜色分类leetcode-fttl-with-keras:使用Keras进行跨域图像分类的迁移学习和微调
文件大小：9.55MB
文件格式：ZIP
更新时间：2024-07-26 15:18:38
系统开源
颜色分类leetcode 使用 Keras 进行跨域图像分类的迁移学习和微调 2016 年 11 月 19 日至 20 日在加利福尼亚州奥克兰举行的 Demystifying Deep Learning and AI 活动中的演讲支持代码。 幻灯片是 抽象的： 我描述了如何使用在 ImageNet 数据集上训练的深度卷积网络 (DCNN) 对完全不同领域中的图像进行分类。 训练过程教会 DCNN 从图像中提取良好特征的直觉是通过可视化来探索的。 迁移学习冻结 DCNN 的底层以从不同域的训练集中提取图像向量，然后可用于为该域训练新的分类器。 微调涉及针对目标域进一步训练预训练网络。 使用在 ImageNet 上预训练的 VGG-16 网络将医学图像分为 5 类来演示这两种方法。 使用 Keras 提供代码示例。 数据集 使用的数据集来自 Kaggle。 数据集是一组 35,126 张视网膜的数字彩色眼底照片。 此处的代码使用从该数据集采样的 1,000 张图像样本，5 张糖尿病视网膜病变图像（无 DR、轻度 DR、中度 DR、重度 DR 和增殖性 DR）中的每张图像 200 张。 详情
【文件预览】：
fttl-with-keras-master
----.gitignore(15B)
----data()
--------Makefile(839B)
--------credentials.txt.template(60B)
--------lena.png(463KB)
--------README.md(2KB)
----src()
--------make-sample.py(1KB)
--------tl-lr-aug-train.py(1KB)
--------examine-trained-model.ipynb(2.04MB)
--------image-convolutions.ipynb(915KB)
--------tl-lr-train.py(895B)
--------caffe2keras-save.py(2KB)
--------fttlutils.py(2KB)
--------preprocess-images.py(5KB)
--------augment-images.py(4KB)
--------caffe2keras-rebuild.py(8KB)
--------tl-dl1-train.py(2KB)
--------augment-images.ipynb(469KB)
--------ft-dl-train.py(4KB)
--------tl-dl-aug-train.py(4KB)
--------ft-dlw-train.py(5KB)
--------caffe2keras-rebuild.ipynb(229KB)
--------confusion-to-heatmap.py(1KB)
--------sample-images.py(2KB)
--------tl-dl2-train.py(2KB)
--------vectorize-images.py(3KB)
----README.md(7KB)
----docs()
--------vgg16-original.dia(2KB)
--------ft-dlw-loss.png(16KB)
--------vgg16-tl.dia(2KB)
--------vgg16-original.png(16KB)
--------fttl-keras-nov2016.pptx(6.48MB)
--------vgg16-ft.dia(2KB)
--------ft-dl-loss.png(17KB)
--------tl-dl2-loss.png(22KB)
--------vgg16-ft.png(16KB)
--------tl-dl1-loss.png(24KB)
--------vgg16-tl.png(15KB)