Wie kann ich Deep Learning für die Handerkennung verwenden. Gibt es Artikel oder Tutorials oder relevante Links zur Handerkennung mit Deep Learning? Lass es mich wissen, bitte. Was werden die Annäherung oder Schritte für die Handerkennung sein?Deep Learning für Handerkennung
Antwort
Obwohl die Frage breit sein kann, gibt es eine sehr hohe vernünftige Antwort.
Der beste Erfolg, den Sie erzielen können, ist die Feinabstimmung eines vortrainierten konnektiven neuronalen Netzwerkmodells für die Bildklassifizierung wie VGG16, Inception, VGG19 oder ResNet.
In diesem Fall können Sie Python, VGG19 und Keras verwenden. Sie können hier ein vortrainiertes VGG19-Modell für Keras verwenden.
https://gist.github.com/baraldilorenzo/8d096f48a1be4a2d660d
Zuerst sammeln, wie viele Bilder der Hände, die Sie (2000 eine ziemlich solide Zahl wäre für den Anfang) und eine nahezu gleiche Anzahl von nicht-Hand-Bilder, und steckte sie in ihre entsprechende Verzeichnisse. Pre-Prozess die Bilder, so dass sie alle 224x224 Pixel sind. Dies ist für das vortrainierte VGG19-Modell erforderlich.
Als nächstes müssen Sie das Modell feinabstimmen. Sie können die Details in der Verknüpfung finden, aber das Wesentliche besteht darin, dass Sie die letzte vollständig verknüpfte Ebene mit 1000 Knoten entfernen und durch die vollständig verbundene Ebene mit zwei Knoten ersetzen, die aus den Kategorien für Hand- und Nichthandbilder besteht.
https://flyyufelix.github.io/2016/10/03/fine-tuning-in-keras-part1.html
Importieren Sie Ihre Bilder in ein numpy Array, in dem jedes Bild von einem 50176-dimensionalen Vektor dargestellt wird. Sie können tatsächlich eine Matrix mit 50176 Zeilen und die Anzahl der Bilder erstellen.
Erstellen Sie außerdem 2-dimensionale One-Hot-Vektoren für Ihre Beschriftungen, wobei [1 0] für Handbilder und [0 1] für Nicht-Handbilder gilt.
Passen Sie Ihre Daten in das vortrainierte Modell ein, indem Sie den Verweis auf das Keras-Modellobjekt im VGG19 greifen.
model.fit(image_data, one_hot_labels, epochs=10, batch_size=32)
ich ins Detail nicht auf Epochen, batch_size, Validierungsdaten, etc. gehen, aber Sie wollen sicherstellen, dass Sie ein Auge auf, wie gut Ihre Validierungsdaten vorherzusagen ist, es ist in der Regel ein Abstieg Prädiktor für die Prüfung Genauigkeit bei den vortrainierten Modellen. Sie können die Evaluierungsfunktion verwenden, um eine Genauigkeitsbewertung zu erhalten.
model.evaluate(image_validation_data, validation_labels, batch_size=32)
Sobald das Modell trainiert wird, und die Validierung Genauigkeit angemessen ist, können Sie die Funktion vorhersagen verwenden, um zu testen, ob Sie ein Bild Hand haben.
model.predict(test_images, batch_size=32, verbose=0)
Für weitere Informationen empfehle ich den fast.ai Kurs.
Für eine detailliertere Erklärung von Convolutional Neural Networks, mit all der Mathematik und Theorie, Stanfords CS231n Klasse ist ein Muss.
- 1. Deep Learning für Chatbot Training
- 2. Data Augmentation für Deep Learning
- 3. Bildvorverarbeitung im Deep Learning
- 4. H2O Deep Learning R
- 5. Warum brauchen wir GPU für Deep Learning?
- 6. Datenvergrößerung für Objekterkennung mit Deep Learning
- 7. Python Deep Learning finde Duplikate
- 8. Zellenerkennung mit Deep-Learning-Techniken
- 9. Wie Klassifizierung mit Deep Learning machen?
- 10. Deep Learning - Feineinstellung auf Conv-Netzmodell
- 11. Wie funktioniert Deep Learning in Echtzeit?
- 12. Überwachtes Lernen (Dokumentenklassifizierung) mit Deep-Learning-Techniken
- 13. Deep-Learning auf Matlab mit AMD Grafikkarten
- 14. Transfer Learning Deep CNN mit unterschiedlicher Auflösung
- 15. Gibt es eine Python-Bibliothek oder API für Deep Learning?
- 16. So verwenden Sie das Tflearn-Deep-Learning für die Dokumentklassifikation
- 17. Seltsame Ergebnisse für die Bilderkennung mit AlexNet in Deep Learning
- 18. Java Code für Restricted Boltzmann Maschinen und Deep Learning
- 19. Hyper Optimierung für Deep Learning Strukturen Bayesian Optimierung mit
- 20. Wie Int8 (Byte) Operationen für Deep Learning nützlich sein können?
- 21. Deep Learning/Bilderkennung- So erstellen Datensatz für eine Kategorieerkennung
- 22. OpenCV Android: Handerkennung
- 23. Irgendwelche schlechten Auswirkungen von unausgewogenen Daten im Deep Learning?
- 24. Wie Deep Learning-Modell (Python) zu Web-app (Knoten)
- 25. Wie wird unbeaufsichtigtes Deep Learning in der Sentimentanalyse verwendet?
- 26. Ist Deep Q Learning zur Lösung der Cartpole-Aufgabe geeignet?
- 27. Deep Learning Gradient am Ende aber Ausgabeschicht ist immer Null
- 28. In Deep Learning "mxnet", Anzahl der Kern beschränken (CPU)
- 29. In Keras (Deep Learning-Bibliothek), RepeatVector + TimeDistributed = Fehler?
- 30. Deep Learning: Wie kann ich mein Netz nicht merken
Google? Ich weiß nichts über das Thema, aber tippte diesen Titel ein und bekam Hunderte von Ergebnissen. Eine Art übertriebene Frage. – gilliduck