你将学到的
  • 数据预处理流程
  • 卷积神经网络
  • 数据扩充方法
  • TensorFlow 应用实践
lab-classic 实验 1 使用卷积神经网络识别交通标志

知识点: 1.数据预处理 2.数据扩充 3.深度神经网络分类器 4.Tensorflow卷积网络实现

课程介绍

课程采用德国交通标志数据集,使用 TensorFlow 实现的卷积神经网络解决交通标志分类问题。训练前对原数据进行了数据扩充保证了训练集数据类型的平衡,并对数据进行了预处理,来改善特征提取。使用深度神经网络分类器作为模型,采用扩充后的平衡数据集进行训练,其准确率达到 98%以上,可以通过预训练或者降低学习率对模型进行微调来进一步提高模型性能。

先学课程

TensorFlow 实现卷积神经网络

课程难度

中等

适合人群

  • 有 TensorFlow 基础的同学。

版权说明

课程改编自 Alex Staravoitau 的开源项目,该项目使用 Apache 2.0 LICENSE,实验楼同时获得了书面授权。我们对原英文题目内容进行了编译,以适合中文理解。同时,课程修改了部分解题和单元测试代码以适应实验楼在线环境。

课程教师

Chelsea1284 共发布过 2 门课程

查看老师的所有课程 >
实验楼楼+
实验楼会员
会员
开通会员,即刻开始学习
公众号
实验楼学习助手 实验楼订阅号