文件名称:cassava-leaf-disease
文件大小:44.4MB
文件格式:ZIP
更新时间:2024-04-30 16:59:55
JupyterNotebook
木薯叶病预测 关于 使用深度学习算法开发的用于木薯叶病预测的基于烧瓶的Web应用程序,并使用Docker和Nginx服务器部署在AWS云上。 CNN算法和传输学习体系结构(如VGG-16,MobileNetV2,DenseNet169,ResNet等)进行了实验,以检测木薯叶病。 此项目使用Python 3.7和TensorFlow 2.4.1。 所有其他要求都可以在上找到。 您可以通过以下实时找到该Web应用程序: : 数据集和Kaggle笔记本链接 数据集是从kaggle获得的。 具有预测准确性的模型 CNN模型 准确性 失利 VGG-16 84% 0.44 MobileNetV2 77% 0.63 密集网169 73% 0.70 使用基线合奏技术来实现较高的查全率和高精度。 合奏 准确性 VGG-16 + DenseNet169 86% 在本地主机上运行停
【文件预览】:
cassava-leaf-disease-main
----templates()
--------Index.html(4KB)
----Dockerfile(249B)
----static()
--------cassava.jpg(25KB)
--------scratch_model.png(268KB)
--------mobilenetV2.png(73KB)
--------vgg16_model.png(56KB)
----docker-compose.yml(263B)
----README.md(2KB)
----Docker()
--------nginx()
--------Dockerfile(249B)
--------docker-compose.yml(263B)
--------flaskapp-docker()
----Code()
--------cassava-cnn.ipynb(36.37MB)
--------cassava-ensemble-vgg16-mobilenetv2-densenet169.ipynb(12.37MB)
--------inference-ensemble-vgg16-mobilenetv2-densenet169.ipynb(10.08MB)