使用Tensorflow+OpenCV構(gòu)建會(huì)玩石頭剪刀布的AI
我使用了Python的OpenCV庫進(jìn)行所有與相機(jī)相關(guān)的操作,所以這里的label指的是圖像屬于哪個(gè)類,根據(jù)標(biāo)簽,圖像保存在適當(dāng)?shù)哪夸浿。ct和maxCt是用來保存圖像的起始索引和最終索引,剩下的是標(biāo)準(zhǔn)的OpenCV代碼,用于獲取網(wǎng)絡(luò)攝像頭源并將圖像保存到目錄中。需要注意的一點(diǎn)是,我所有的圖片維數(shù)都是300 x 300的。運(yùn)行此目錄樹后,我的目錄樹如下所示。
C:.
├───paper
│ paper0.jpg
│ paper1.jpg
│ paper2.jpg
│
├───rock
│ rock0.jpg
│ rock1.jpg
│ rock2.jpg
│
└───scissor
scissor0.jpg
scissor1.jpg
scissor2.jpg
如果你引用的是Github存儲(chǔ)庫(https://github.com/HOD101s/RockPaperScissor-AI-) ,則getData.py會(huì)為你完成這項(xiàng)工作!預(yù)處理我們的數(shù)據(jù)我們需要使用圖像,而計(jì)算機(jī)可以識(shí)別數(shù)字,因此,我們將所有圖像轉(zhuǎn)換為它們各自的矢量表示,另外,我們的標(biāo)簽尚待生成,由于已建立的標(biāo)簽不能是文本,因此我使用shape_to_label字典為每個(gè)類手動(dòng)構(gòu)建了“獨(dú)熱編碼”表示。
DATA_PATH = sys.a(chǎn)rgv[1] # Path to folder containing data
shape_to_label = {'rock':np.a(chǎn)rray([1.,0.,0.,0.]),'paper':np.a(chǎn)rray([0.,1.,0.,0.]),'scissor':np.a(chǎn)rray([0.,0.,1.,0.]),'ok':np.a(chǎn)rray([0.,0.,0.,1.])}
arr_to_shape = {np.a(chǎn)rgmax(shape_to_label[x]):x for x in shape_to_label.keys()}
imgData = list()
labels = list()
for dr in os.listdir(DATA_PATH):
if dr not in ['rock','paper','scissor']:
continue
print(dr)
lb = shape_to_label[dr]
i = 0
for pic in os.listdir(os.path.join(DATA_PATH,dr)):
path = os.path.join(DATA_PATH,dr+'/'+pic)
img = cv2.imread(path)
imgData.a(chǎn)ppend([img,lb])
imgData.a(chǎn)ppend([cv2.flip(img, 1),lb]) #horizontally flipped image
imgData.a(chǎn)ppend([cv2.resize(img[50:250,50:250],(300,300)),lb]) # zoom : crop in and resize
i+=3
print(i)
np.random.shuffle(imgData)
imgData,labels = zip(*imgData)
imgData = np.a(chǎn)rray(imgData)
labels = np.a(chǎn)rray(labels)
當(dāng)我們根據(jù)類將圖像保存在目錄中時(shí),目錄名用作標(biāo)簽,該標(biāo)簽使用shape_to_label字典轉(zhuǎn)換為獨(dú)熱表示。在我們遍歷系統(tǒng)中的文件以訪問圖像之后,cv2.imread()函數(shù)返回圖像的矢量表示。我們通過翻轉(zhuǎn)圖像并放大圖像來進(jìn)行一些手動(dòng)的數(shù)據(jù)增強(qiáng),這增加了我們的數(shù)據(jù)集大小,而無需拍攝新照片,數(shù)據(jù)增強(qiáng)是生成數(shù)據(jù)集的關(guān)鍵部分。最后,圖像和標(biāo)簽存儲(chǔ)在單獨(dú)的numpy數(shù)組中。cv2.imread()函數(shù)https://www.geeksforgeeks.org/python-opencv-cv2-imread-method/更多關(guān)于數(shù)據(jù)增強(qiáng)的信息。https://towardsdatascience.com/data-augmentation-for-deep-learning-4fe21d1a4eb9通過遷移學(xué)習(xí)建立我們的模型:在處理圖像數(shù)據(jù)時(shí),有許多經(jīng)過預(yù)訓(xùn)練的模型可供使用,這些模型已經(jīng)在具有數(shù)千個(gè)標(biāo)簽的數(shù)據(jù)集上進(jìn)行了訓(xùn)練,由于這些模型通過其應(yīng)用程序api的Tensorflow和Keras分布,我們可以使用這些模型,這使得在我們的應(yīng)用程序中包含這些預(yù)先訓(xùn)練的模型看起來很容易!
總之,遷移學(xué)習(xí)采用的是經(jīng)過預(yù)訓(xùn)練的模型,并且不包含進(jìn)行最終預(yù)測(cè)的最終層,能夠區(qū)分這種情況下圖像中的特征,并將這些信息傳遞給我們自己的Dense神經(jīng)網(wǎng)絡(luò)。為什么不訓(xùn)練你自己的模型呢?完全取決于你!然而,使用遷移學(xué)習(xí)可以在很多時(shí)候使你的進(jìn)步更快,從某種意義上說,你避免了重復(fù)造輪子。
發(fā)表評(píng)論
請(qǐng)輸入評(píng)論內(nèi)容...
請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字
最新活動(dòng)更多
-
10月31日立即下載>> 【限時(shí)免費(fèi)下載】TE暖通空調(diào)系統(tǒng)高效可靠的組件解決方案
-
即日-11.13立即報(bào)名>>> 【在線會(huì)議】多物理場(chǎng)仿真助跑新能源汽車
-
11月28日立即報(bào)名>>> 2024工程師系列—工業(yè)電子技術(shù)在線會(huì)議
-
12月19日立即報(bào)名>> 【線下會(huì)議】OFweek 2024(第九屆)物聯(lián)網(wǎng)產(chǎn)業(yè)大會(huì)
-
即日-12.26火熱報(bào)名中>> OFweek2024中國(guó)智造CIO在線峰會(huì)
-
即日-2025.8.1立即下載>> 《2024智能制造產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展藍(lán)皮書》
推薦專題
- 1 【一周車話】沒有方向盤和踏板的車,你敢坐嗎?
- 2 特斯拉發(fā)布無人駕駛車,還未迎來“Chatgpt時(shí)刻”
- 3 特斯拉股價(jià)大跌15%:Robotaxi離落地還差一個(gè)蘿卜快跑
- 4 馬斯克給的“驚喜”夠嗎?
- 5 大模型“新星”開啟變現(xiàn)競(jìng)速
- 6 海信給AI電視打樣,12大AI智能體全面升級(jí)大屏體驗(yàn)
- 7 打完“價(jià)格戰(zhàn)”,大模型還要比什么?
- 8 馬斯克致敬“國(guó)產(chǎn)蘿卜”?
- 9 神經(jīng)網(wǎng)絡(luò),誰是盈利最強(qiáng)企業(yè)?
- 10 比蘋果偉大100倍!真正改寫人類歷史的智能產(chǎn)品降臨
- 高級(jí)軟件工程師 廣東省/深圳市
- 自動(dòng)化高級(jí)工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級(jí)銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術(shù)專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結(jié)構(gòu)工程師 廣東省/深圳市