3. 图像分类器——识别给定的图片

底层技术依靠TensorFlow实现,此图像分类器利用了Mobilenet分类模型

上节通过例子已经学习了用图像分类器对图形进行分类,本节我们学习识别指定图片的详细操作过程。

3.1. 用途

识别常见的物体/动物

3.2. Mobilenet简介

说到机器学习,不得不提卷积神经网络(CNN),它普遍用在计算机视觉领域中,可以简单理解,神经网络层数越多,模型越复杂,对分类越准确。

但在实际的生活场景中,这种复杂的模型很难被应用,第一它对运算配置要求高,第二实时响应速度不够快。MobileNet模型的产生就是为了解决这个问题,可以在保持响应速度比较快和模型比较小的前提下,依然能保证识别效果,常用用于移动端的应用场景。

3.3. 实验要求

畅顺的网络

Kittenblock 1.8.3q以上版本

3.4. 加载插件

ml5插件成功加载

../_images/ml.png

3.5. 同时也把文字翻译加载进来

../_images/c07_013.png

全部成功加载

../_images/c02_022.png

3.6. 使用方法

网上收集图片

图片有以下要求:

  • 生活中常见,真实的,非卡通
  • 图片背景尽量保证干净,纯白色背景最好
  • 图片不能太小太模糊

推荐使用bing图片搜索,图片质量比较好。我这里找了雨伞,几种车的图片,保存在某一个文件夹,如图所示:

../_images/c07_023.png

把图片加入舞台中

指向图中的图标后,就会弹出上传角色的图标,这时候点击下。

../_images/c07_033.png

全选批量加入

弹出文件选择对话框后,全选,打开

../_images/c07_043.png

图片成功加载

成功加载后,我们逐个点击图片,将所有图片以及小猫隐藏,点击隐藏图标(如图操作)

../_images/c07_053.png

已经全部隐藏起来

../_images/c07_063.png

3.7. 加载MobileNet

需要耐心等待,等待其加载完毕(黄色亮边框消失即加载完毕,需要网络)

../_images/c02_082.png

3.8. 编写完成程序

翻译插件,前篇已经说过如何加载,这里不在重复说明

../_images/c07_082.png

程序的编写是在小猫的角色下进行编写的

../_images/c07_092.png

3.9. 正式进行指定图片辨认

按图依次操作

../_images/c07_101.png

../_images/c07_111.png

../_images/c07_121.png

识别结果如下:

../_images/c07_131.png

这个我做了一个Gif图,方便大家理解操作的过程:

../_images/c07_01.gif

3.10. 其它图片预测

操作方式相同,这里就不再展开说,记得每次舞台预测时,只出现一副图片即可。其它图片隐藏起来即可。

../_images/c07_02.gif

3.11. 误差分析

在图片预测过程中,我们发现了有两张图片预测不是很准.

不过机器猜得八九不离十。健身单车误认为三轮车。合起来的雨伞误认为是勾字。错误的原因:可能是样本集里面没有含有这两类的图片,健身单车和合起来的雨伞。

所以看似如此智能的机器学习,背后实质也要依靠人类帮助提供大量标定好的样本数据,这样它才会越来越智能。

../_images/c07_14.png

../_images/c07_15.png