文件名称：部署CNN测试
文件大小：6.59MB
文件格式：ZIP
更新时间：2024-03-06 04:33:52
JupyterNotebook
识别膳食– DLNN集团项目 抽象的 该项目的目的是根据101种给定的食物类别对食物图片进行分类。 该方法学方法基于卷积神经网络模型，该模型分析了被分为101类的美食菜肴图片的数据集。 使用初始模型以测试数据集的精度达到80％可获得最佳结果。 介绍 图像识别是一种在社交媒体中越来越流行的技术。 它可以用于识别图片中人物，产品，品牌和地点的误差幅度很小。 该项目旨在以较低的规模重新创建该技术。为该项目设计的方法论方法包括5个模块： 项目的第一步是准备数据以训练模型。 在此步骤中，将详细介绍数据集的来源，导入过程和数据集分区。 第二阶段是模型开发。 将开发两种类型的模型：一种是从零开始设计的基线模型，另一种是在Kaggle中识别出的预训练模型。 在第3阶段，将从每种类型中选择最准确的模型。 最后一步是开发最终模型的部署。 1.数据准备 1.1数据集 所使用的数据集是Kaggle1上的F
【文件预览】：
Deploy-cnn-test-main
----.gitignore(2KB)
----templates()
--------style.css(0B)
--------home.html(6KB)
----requirements.txt(2KB)
----static()
--------3621.jpg(81KB)
--------Fluxo.png(23KB)
--------cheesecake_a.jpg(8KB)
--------pizza1.jfif(13KB)
--------churros.jpg(57KB)
--------pequenoalmoco.jfif(8KB)
--------pequenoalmoco3.jfif(8KB)
--------6380.jpg(38KB)
--------20200123161347-reQkxvU6.jpg(78KB)
--------pizza.jfif(12KB)
--------Teste_DLNN.jpg(694KB)
--------Struct_code.png(14KB)
--------figure1.png(58KB)
--------2586.jpg(55KB)
--------images.jfif(5KB)
--------churros-3.jpg(334KB)
--------Eduardo_Marques_Picture.png(165KB)
--------17547.jpg(52KB)
--------meal.jfif(9KB)
--------GUI_init.PNG(1.93MB)
--------download1.jpg(7KB)
--------pequenoalmoco2.jfif(8KB)
--------98227.jpg(36KB)
--------download.jpg(6KB)
--------99029.jpg(53KB)
--------ham.jpg(79KB)
--------Full-English-breakfast-8-e1515680125898-735x490.jpg(43KB)
--------cheesecake.jpg(7KB)
--------16769.jpg(53KB)
--------pexels-lukas-616401.jpg(318KB)
--------12531-istock-637790866.webp(79KB)
--------pizza2.jfif(29KB)
--------GUI_predict.PNG(2.04MB)
----notebooks()
--------Baseline_Model_Development.ipynb(627KB)
--------ResNet50.ipynb(672KB)
--------VGG16.ipynb(415KB)
--------Inception.ipynb(148KB)
----runtime.txt(10B)
----README.md(14KB)
----.vscode()
--------settings.json(105B)
----Procfile(21B)
----app.py(4KB)