moyaoxueの小屋cv与一些classify事项记录
type
status
date
slug
tags
summary
category
icon
password
需要实现的功能是接收树莓派传过来的植物图像，对其是否病害进行分类预测，用的训练集是这个，训练集的话需要写一个加载json数据的方法
最开始使用的是ResNet50，后面感觉正确率太低了会不会跟模型有关，改成densenet169，效果是差不太多...
还发现一个小问题，数据集里面都是带病的植物class，好像没有健康的...
于是乎感觉反正准确率偏低了，干脆根据置信度分一类专门来判别没病的植物么得，重写一些训模型的部分，log一下平均置信度和方差，然后假装正则大概放一个置信度来判别
大概大概这样子吧
最后正确率还是很一眼难尽，目前是没做数据增强的，应该是不能变太多，主要是病害植物和普通植物确实分类不明显，暂且原谅这程序的低准确率...
mark一个奇怪的事情：训练模型过程中每个epoch正确率都还不错有50左右，存好model以后再测试正确率就掉到个位数。
7-18更新
本来dl部分给的数据做的极端处理是mean值+-三倍标准差，结果在测温湿度之类的1h内数据根本不变化，导致classifier基本上不工作......这边选择改成手动给调极端数据来训分类器了...
7-27更新（补）
最后更新了label的方法，加入了adam优化，最终准确率94%
（实测效果也是不错来的，有点点过于灵敏，置信度给的不准，实际使用稍微要求有点严苛）
不过背景处理啥的还学不太明白，也没啥时间，就先这样子了
上一篇
junk-code-demo
下一篇
android调试
Loading...