如何解决创建图像分类以检测平面图与房地产照片
我在一家房地产公司工作，我想编写一个程序来判断（分类）图像是平面图还是随机的房地产图片（房间/厨房/户外）
我试图制作一个运行良好但会犯一些错误的分类器。我使用过 Lenet 架构。我想要一些改进结果的想法。
示例：
平面图：
随机： https://photo.superimmo.com/photos/listings/1/e/e/6/7/1ee67c296239ebcd3a8e53e39836011209c61a33-widest.jpg
aug = ImageDataGenerator(rotation_range=30,width_shift_range=0.1,height_shift_range=0.1,shear_range=0.2,zoom_range=0.2,horizontal_flip=True,fill_mode="nearest")
# initialize the model
print("[INFO] compiling model...")
model = LeNet.build(width=28,height=28,depth=1,classes=2)
opt = Adam(lr=INIT_LR,decay=INIT_LR / EPOCHS)
model.compile(loss="binary_crossentropy",optimizer=opt,metrics=["accuracy"])
解决方法
我没有具体的代码示例。以下是我印象深刻的列表：
- 平面图通常是黑色和白色（少量颜色和少量灰色）
- 平面图的边缘很长，没有渐变
- 平面图大部分都是白色的
- 平面图的边缘完全水平和垂直
- 随机图片有 R、G 和 B 颜色
- 对于相似的分辨率和压缩率，随机图片具有更大的图像尺寸
如果您确保神经网络中的第一层节点可以检测到其中一些特征，那可能会改进它。
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
