宁波住房与城乡建设部网站在线制作图网站

宁波住房与城乡建设部网站,在线制作图网站,南京建设局网站,php能区别电脑网站和手机网站吗怎么嵌入到phpcms第三章 需求分析与系统功能分析 3.1 系统需求分析 3.1.1功能需求 #xff08;1#xff09;输入图片#xff1a; ①摄像头拍照 ②通过文件载入图片 #xff08;2#xff09;识别垃圾#xff1a; ①当识别为蓝色的垃圾时即可回收物 ②当识别为绿色的垃圾时即餐厨垃圾 ③当识…第三章 需求分析与系统功能分析3.1 系统需求分析3.1.1功能需求1输入图片①摄像头拍照②通过文件载入图片2识别垃圾①当识别为蓝色的垃圾时即可回收物②当识别为绿色的垃圾时即餐厨垃圾③当识别为红色的垃圾即有害垃圾④当识别为灰色的垃圾时即其他垃圾3输出结果3.1.2性能需求1识别时间在95%的情况下一般的识别时间不超过2秒。2识别广度需要对大部分物品识别出是那一类垃圾。3识别精度对大部分物品识别的准确率要超过90%。4输入图片对jpg,与png格式图片需要都支持。3.1.3兼容性需求系统支持Windows10操作系统系统支持Python3.63.1.4易用性需求简易式操作方式仅仅需要导入图片即可进行识别不需要登录注册等即可。3.1.5硬件约束推荐配置Cpu: intel core i7-7700k 4.4G内存至少1x8GGPU显存4G以上硬盘HDD一个SSD一个3.2系统主要功能系统的主要功能总结十分简单明确通过拍照或者文件载入图片输入到已经使用训练好的模型当中去识别将其识别的结果输出。详细由见以下流程图3-1图3-1 基本流程图开始进入输入图片输入图片有格式的要求如果符合需求则进行下一步识别如果不符合需求则输出不符合需求并且回到输入图片这一步。进行识别识别有正确错误之分但是都会输出结果但是有可能会出现无法识别如果无法识别则回到输入图片可以识别即输出结果。第四章 基于TensorFlow的简单的垃圾分类系统的实现4.1系统架构整个系统的架构有以下组成输入设备输入到电脑终端电脑终端对图像进行图像分类图像处理图像识别识别后的图像再分类的工作然后输出结果如图4-1所示图4-1 架构图此系统基于TensorFlow设计的分类大脑对图像的处理大致分为这两步1使用OpenCV对输入的图片进行预处理2使用基于TensorFlow的卷积神经网络模型的实现图像的分类[6]4.2 TensorFlow进行模型训练4.2.1收集获取数据集通过网络和自己拍的方式去收集各类的数据集验证集总共收集13000多张。如下图4-1是一部分的收据集其中txt是标签。4.2.4迁移学习经过一系列调参的操作之后实际得到的如上两图仍旧是准确率无法得到再次的提升了于是我通过别的方法让准确率再一次的提升。这里所用到的方法迁移学习即Transfer-learning它是一种机器学习方法用不太恰当的言语来描述的话就是温故而知新。它的目标是将从一个环境A所学到的知识用于学习另一个环境B的任务。迁移学习通过已学习的相关任务A转移来改进学习的新任务B。迁移学习对人类来说很常见比如现实生活中会发现学习认识狗能够帮助你认识猫学习拉小提琴能够帮你学习拉二胡这是因为人具有迁移知识帮助自己学习的能力对于电脑来讲通过一些方法也是可以达成同样的目标。对于迁移学习的定义[9]给出一个源域 Ds{Xs, Fs(X)} 再给出一个学习任务 Ts ,然后是一个目标域 DT{Xt,Ft(X)} 再是学习任务 Tt ,迁移学习的目标就是在源域与目标域不同或者是学习任务 Tt 与学习任务 Ts不同的条件下通过使用学习任务 Ts 和源域 Ds{Xs,Fs(X)} 得到的相关知识帮学习目标的在目标域Dt的预测函数 Ft(.) 。关于迁移学习的一些研究比如基于模型生成的迁移学习方法当前很多的迁移学习算法都是基于如何判别模型的学习算法[10]判别算法根据给定的一个源域的数据A通过直接的训练能够获得的判别模型PB|A但是因为源域和目标域数据分布是不一样的又因为判别模型没有考虑有关联合概率的情况P(A,B)所以在某些时候就不能够得到比较好的预测函数。不同于这个判别模型生成模型是通过计算得出联合概率P(A,B)再去计算PB|A生成模型也因此提供了一个相对较好的机制对源域和目标域的数据不相同分布不相同进行生成建模达到一个比较好的知识迁移提高预测函数准确度。在本文主要的方向图像处理方面有一种[11]翻译迁移学习方法通过使用文本的数据来帮助图像聚类、也有一种[12]从无标签数据进行迁移学习的方法这个方法使用了系数编码的技术从无标签的数据中上构造出高层的特征从而能够提高图像的分类性能。我们结合图来看如下图4-13传统的器学习在同的学习任务时需要建立不同的模型去学习不同的参数而对于迁移学习图4-14只需要利用源域中的数据将知识迁移到目标域就能完成模型建立。4.3运行效果运行效果基本能够对大部分的测试集图片进行比较准确的识别下面图4-23为一些中间段实时效果展示图4-24和图4-25运行最终界面结果展示图4-23 中间时段图4-24图4-25文章底部可以获取博主的联系方式获取源码、查看详细的视频演示或者了解其他版本的信息。所有项目都经过了严格的测试和完善。对于本系统我们提供全方位的支持包括修改时间和标题以及完整的安装、部署、运行和调试服务确保系统能在你的电脑上顺利运行。