鸟图片种类识别

实验背景

该实验是基于Caltech-UCSD Birds-200-2011 (CUB-200-2011)这一鸟类图片数据库，使用Transfer Learning(迁移学习)和InceptionV3网络，在Azure数据科学虚拟机里利用预装的Keras和Tensorflow框架完成鸟种类的识别。

实验环境

• Azure数据科学虚拟机：NC6类型，Ubuntu
• Keras 2.0.9
• Tensorflow 1.4.0
• Anaconda Python 3.5.2 with CUDA 8.0

1. 虚拟机准备

1. 创建Azure 数据科学虚拟机 在全球版Azure的管理门户上搜索Azure数据科学虚拟机(Data Science Virtual Machine)，开始创建。注意选择Ubuntu系统，HDD磁盘类型，NC6型号虚拟机。创建成功后，通过Putty连接虚拟机。

2. 训练环境配置 配置Keras默认后台为Tensorflow。也可以在/home//.keras里面找到keras.json文件。 如果使用Python环境运行代码，运行source activate py35，启动虚拟环境。

数据说明

数据是来自Caltech-UCSD Birds-200-2011 (CUB-200-2011)，包含200种鸟类的图片，可以用于进行鸟的识别、部位检测和图像分割。下载

参考来源

• https://github.com/DeepLearningSandbox/DeepLearningSandbox/blob/master/transfer_learning

代码说明

• 所有代码文件需放在包含images和attributes文件夹这一层目录下面。

• dataprocess.py: 数据预处理，拆分训练集和测试集。

• train.py: 数据增强，模型训练。

  • 选用50%数据训练时，训练集Accuracy约为96%，验证Accuracy约为70%
  • 所有数据集都作为训练集时，Accuracy约为91%

• test.py: 基于训练好的模型进行网络图片测试。运行方式: python test.py "Internet img url"