文件名称：使用深度学习对食物图像进行分类
文件大小：41.71MB
文件格式：ZIP
更新时间：2024-03-05 07:14:35
JupyterNotebook
使用深度学习对食物图像进行分类 执行摘要 某个图像不仅必须代表一个属性，而且在大多数情况下代表两个以上。 换句话说，可以为单个图像指定多个标题或标签。 这个问题称为多标签分类，用于少数内容检索和场景理解。 对于本研究，使用Keras（带有Tensorflow后端）将多标签分类算法应用于食物图像。 更改了简单的CNN模型，让位于多标签分类。 为了使事情变得容易，特别使用了ResNet50，MobileNet，DenseNet121和Xception等预先训练的CNN模型。 然后，应使用Nanonets多标签分类API对这些结果进行比较。 结果显示，对于Nanonets，F1得分更高，为75.06％，对于Xception模型，则仅为大约70.46％。 这两种模型都可以用于部署，因为它们都可以显示直观和合理的结果。 存储库指南 该项目包含两部分，即jupyter笔记本和Web应用程序。 jupy
【文件预览】：
Classifying-Food-Images-using-Deep-Learning-master
----.ipynb_checkpoints()
--------DL Final Project Jupyter Notebook-checkpoint.ipynb(501KB)
----templates()
--------index.html(9KB)
----requirements.txt(2KB)
----assets()
--------js()
--------.DS_Store(6KB)
--------lib()
--------img()
----js()
--------main.js(6KB)
----.DS_Store(8KB)
----css()
--------scss-files.txt(56B)
--------style.css(14KB)
----README.md(2KB)
----__pycache__()
--------app.cpython-37.pyc(5KB)
----uploads()
--------mcdo.jpg(5KB)
--------supreme.png(1.43MB)
--------.DS_Store(6KB)
--------sinigang.jpg(49KB)
--------18_red_velvet_cake_hostedLargeUrl.jpg(31KB)
--------oreo.jpg(133KB)
--------steak_sarap.jpg(164KB)
--------download.jpg(9KB)
--------mcdo.jpeg(23KB)
--------8_miso_soup_hostedLargeUrl.jpg(22KB)
----DL Final Project Jupyter Notebook.ipynb(501KB)
----environment.yml(3KB)
----Procfile(21B)
----app.py(4KB)
----model.h5(38.65MB)
----train.json(11.84MB)