基于keras框架的MobileNetV3深度学习神经网络花卉/花朵分类识别系统源码
第一步：准备数据
12种花卉数据：向日葵, 梨花, 水仙, 牡丹, 玉兰花, 玫瑰, 睡莲, 美人蕉, 荷花, 菊花, 郁金香, 鸡蛋花，总共有7017张图片，每个文件夹单独放一种花
第二步：搭建模型
本文选择MobileNetV3Small，其网络结构如下：
由于是十二分类问题，直接套用网络肯定是不行，因此会在全连接部分做手脚，参考代码如下：
x = base_model.output
x = GlobalAveragePooling2D()(x)
x = Dense(256)(x)
x = Activation('relu')(x)
x = Dense(64)(x)
x = Activation('relu')(x)
x = Dense(class_num)(x)
predictions = Activation('softmax')(x)
model = Model(inputs=base_model.input, outputs=predictions)
return model
第三步：训练代码
1）损失函数为：交叉熵损失函数
2）MobileNetV3Small可以从头训练或者利用预训练模型进行训练：
w = 1
if w:
base_model = MobileNetV3Small(weights='imagenet', include_top=False, input_shape=(width, height, 3))
else:
base_model = MobileNetV3Small(weights=None, include_top=False, input_shape=(width, height, 3))
第四步：统计正确率
正确率高达94.5%
第五步：搭建GUI界面
第六步：整个工程的内容
有训练代码和训练好的模型以及训练过程，提供数据，提供GUI界面代码，主要使用方法可以参考里面的“文档说明_必看.docx”
代码的下载路径（新窗口打开链接）：基于keras框架的MobileNetV3神经网络花卉/花朵分类识别系统源码
有问题可以私信或者留言，有问必答
相关知识
基于keras框架的MobileNetV3深度学习神经网络花卉/花朵分类识别系统源码
深度学习之基于Tensorflow卷积神经网络花卉识别系统
基于深度学习和迁移学习的识花实践
基于深度卷积神经网络的移动端花卉识别系统
基于深度学习的花卉识别研究
基于残差网络迁移学习的花卉识别系统
深度学习花朵识别系统的设计与实现
基于深度学习的花卉检测与识别系统（YOLOv5清新界面版，Python代码）
一种基于小样本学习的花卉识别系统
colab cnn实现花卉图片分类识别
网址: 基于keras框架的MobileNetV3深度学习神经网络花卉/花朵分类识别系统源码 https://m.huajiangbk.com/newsview37010.html
| 上一篇: 和养花关系密切的植物三大分类方法 |
下一篇: 春暖花开赏百花，花朵傻傻分不清。 |
