【文件属性】：
文件名称：颜色分类leetcode-fttl-with-keras:使用Keras进行跨域图像分类的迁移学习和微调
文件大小：9.55MB
文件格式：ZIP
更新时间：2021-07-06 21:31:58
系统开源
颜色分类leetcode
使用
Keras
进行跨域图像分类的迁移学习和微调
2016
年
11
月
19
日至
20
日在加利福尼亚州奥克兰举行的
Demystifying
Deep
Learning
and
AI
活动中的演讲支持代码。
幻灯片是
抽象的：
我描述了如何使用在
ImageNet
数据集上训练的深度卷积网络
(DCNN)
对完全不同领域中的图像进行分类。
训练过程教会
DCNN
从图像中提取良好特征的直觉是通过可视化来探索的。
迁移学习冻结
DCNN
的底层以从不同域的训练集中提取图像向量，然后可用于为该域训练新的分类器。
微调涉及针对目标域进一步训练预训练网络。
使用在
ImageNet
上预训练的
VGG-16
网络将医学图像分为
5
类来演示这两种方法。
使用
Keras
提供代码示例。
数据集
使用的数据集来自
Kaggle。
数据集是一组
35,126
张视网膜的数字彩色眼底照片。
此处的代码使用从该数据集采样的
1,000
张图像样本，5
张糖尿病视网膜病变图像（无
DR、轻度
DR、中度
DR、重度
DR
和增殖性
DR）中的每张图像
200
张。
详情
【文件预览】：
fttl-with-keras-master
----.gitignore(15B)
----data()
--------Makefile(839B)
--------credentials.txt.template(60B)
--------lena.png(463KB)
--------README.md(2KB)
----src()
--------make-sample.py(1KB)
--------tl-lr-aug-train.py(1KB)
--------examine-trained-model.ipynb(2.04MB)
--------image-convolutions.ipynb(915KB)
--------tl-lr-train.py(895B)
--------caffe2keras-save.py(2KB)
--------fttlutils.py(2KB)
--------preprocess-images.py(5KB)
--------augment-images.py(4KB)
--------caffe2keras-rebuild.py(8KB)
--------tl-dl1-train.py(2KB)
--------augment-images.ipynb(469KB)
--------ft-dl-train.py(4KB)
--------tl-dl-aug-train.py(4KB)
--------ft-dlw-train.py(5KB)
--------caffe2keras-rebuild.ipynb(229KB)
--------confusion-to-heatmap.py(1KB)
--------sample-images.py(2KB)
--------tl-dl2-train.py(2KB)
--------vectorize-images.py(3KB)
----README.md(7KB)
----docs()
--------vgg16-original.dia(2KB)
--------ft-dlw-loss.png(16KB)
--------vgg16-tl.dia(2KB)
--------vgg16-original.png(16KB)
--------fttl-keras-nov2016.pptx(6.48MB)
--------vgg16-ft.dia(2KB)
--------ft-dl-loss.png(17KB)
--------tl-dl2-loss.png(22KB)
--------vgg16-ft.png(16KB)
--------tl-dl1-loss.png(24KB)
--------vgg16-tl.png(15KB)