Wolfram 语言

用神经网络对花粉进行分类

这个例子演示了如何使用图像特征提取和神经网络对郁金香、木槿、水仙花,罂粟、薰衣草和常春藤的花粉样本进行分类。例子中会使用包含了花粉名称、花的样本图像、花粉的大小和在显微镜下拍摄的一些样品花粉图像的数据集。

显示数据集的第一条记录。

此处的挑战是在少量数据样本上训练神经网络。注意,数据集中只有 43 个样本文件。

可以通过迁移学习和数据扩充来应对。

以下命令通过旋转和反射来扩充图像。

通过扩充生成有 344 个样本的随机训练集。

可以通过构建基于神经网络的特征提取器来运用迁移学习,该神经网络通常已经在图像特征上进行了训练。

将所有花粉图像转换为 157 维的语义特征向量。

通过三维 -分布随机邻域嵌入 (t-SNE) 显示神经网络的特征。

构建一个小型的两层神经网络作为花粉分类器。

训练神经网络。

对一组新的花粉图像应用神经网络。

相关范例

de en es fr ja ko pt-br