基于keras平台CNN神经网络模型的服装识别分析

本文介绍了使用Keras在Fashion-MNIST数据集上进行服装识别的实验,对比了MLP和类似VGG的CNN模型。CNN模型在150万个参数下,在40个周期后达到0.94的测试精度,但存在过拟合问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 在许多介绍图像识别任务的介绍中,通常使用着名的MNIST数据集。

最近我们被客户要求撰写关于图像识别的研究报告,包括一些图形和统计输出。但是,这些数据存在一些问题:

1.太简单了。例如,一个简单的MLP模型可以达到99%的准确度,而一个2层CNN可以达到99%的准确度。

2.它被过度使用。从字面上看,每台机器学习入门文章或图像识别任务都将使用此数据集作为基准。但是,因为获得近乎完美的分类结果非常容易,所以它的实用性会受到打折,并且对于现代机器学习/ AI任务并不真正有用。

因此,出现Fashion-MNIST数据集。该数据集是作为MNIST数据的直接替代而开发的,其意义在于:

1.尺寸和风格相同:28x28灰度图像

2.每个图像与10个类中的1个相关联,即:

       0:T恤/上衣,

       1:裤子,

       2:套头衫,

       3:连衣裙,

       4 :外套,

       5:凉鞋,

       6:衬衫,

       7:运动鞋,

    

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值