文件名称：颜色分类leetcode-MoviePosterClassification:使用CNN对电影海报进行分类，以检查是否可以通过查看海报来确定电
文件大小：155.25MB
文件格式：ZIP
更新时间：2024-07-26 16:44:41
系统开源
颜色分类leetcode 电影海报分类 我们检查了多标签分类模型，以使用海报识别与电影相关的流派。 由于数据集不易获得，我们从 IMDB 数据库中抓取了大约 29000 张海报。 使用 Inception V3 模型，我们从 300x300 像素彩色海报图像中提取高级特征，这些特征被输入到 3 个全连接层和 1 个输出层，这是对基本模型的扩展。 输出采用热编码向量的形式，在网络的最后一层带有 sigmoid 激活函数，以实现多标签分类。 最终，我们将分类问题分析为信息检索问题，以根据流派预测前 10 名相关海报。 此外，我们开发了一个用户界面，用户可以在其中上传海报，系统将预测可以与给定海报相关联的流派。 该系统在用大约 5000 张图像训练算法后使用训练的权重，该算法可以正确预测几乎 70% 的上传海报的所有类型。 概述 IMBD、烂番茄等电影信息网站以其庞大的电影和电影评论数据库而闻名。 这些网站通常根据类型对电影进行分类和推荐。 然而，这个过程容易出错，因为电影的类型标签是基于用户建议的，人们经常误解上下文或故事，导致错误的类型分类。 为了克服与电影分类相关的这种不准确性，使用比
【文件预览】：
MoviePosterClassification-master
----README.md(3KB)
----Model Evaluation()
--------SimpleModelTest.py(2KB)
--------DifferentAccuracyTesting.py(4KB)
----Data Conversion()
--------convert_data.py(3KB)
--------convert_train_set.py(2KB)
----Data Crawling()
--------imdbImageGrabber.php(1KB)
----Model Building()
--------KerasModel.py(1KB)
--------inception_v3.py(13KB)
--------imagenet_utils.py(2KB)
--------ContinueModelTrain.py(763B)
--------inceptionv3.py(383B)
----Visualizaiton()
--------NeuralNetowrkAnalysis.png(283KB)
--------AccuracyCharts1.png(122KB)
----Test()
--------._run_tensorflow.py(4KB)
--------._r1.py(4KB)
--------._script.sh(4KB)
--------ClassifyIR.pyc(1KB)
--------Inception.h5(83.23MB)
--------r1.py(284B)
--------inception_v3.py(13KB)
--------._ClassifyIR.py(4KB)
--------imagenet_utils.py(2KB)
--------output.txt(88B)
--------img()
--------run_tensorflow.py(595B)
--------test.npy(1.02MB)
--------._.DS_Store(4KB)
--------script.sh(37B)
--------.DS_Store(8KB)
--------ClassifyIR.py(621B)
--------inceptionv3.py(383B)
--------r1.pyc(780B)
--------model_train.h5(83.15MB)