深度学习

目视检查代码

执行一个通用的可视化检查工作流程，并基于图像内容识别缺陷。

要跟随：

  1. 下载代码
  2. 打开MATLAB

没有访问?现在就获得免费试用．

时间来完成:
15 - 30分钟
先决条件:
MATLAB的基本技能

需要复习吗?尝试一个免费的交互式教程。

步骤1

加载和预处理数据

导入您的数据，并确保它为深度学习做好了准备。

你学到了什么:加载和预处理数据

  • 使用映像数据存储加载数据
  • 的imageDatastore函数根据文件夹名称自动标记图像
  • 您可以通过添加不同比例和旋转的图像来扩充数据集
  • 基于图像的应用程序可以显著加快常见的预处理任务，如裁剪、标记和注册图像

步骤2

导入模型

了解深度学习模型的各种选项。

你学到了什么:导入深度学习模型并对其进行修改以进行迁移学习

  • 使用各种预训练的模型作为迁移学习的起点
  • 使用深度网络设计器应用程序交互地改变一个新任务的模型
  • 从TensorFlow™-Keras、TensorFlow 2、Caffe和ONNX™(开放神经网络交换)模型格式导入模型和架构

步骤3

火车模型

利用数据和修改后的网络训练新的图像分类器。

你学到了什么:修改学习模型

  • 从各种各样的训练选项中进行选择，这将改变训练结果
  • 根据硬件和数据集的大小，训练模型可能需要很长时间
  • 执行深度学习，而不需要学习如何从零开始创建模型

步骤4

测试模型并可视化结果

加载模型并使用测试数据来查看模型的准确性。

你学到了什么:在新数据上测试模型

  • 对试验数据进行分类(步骤1中预留)，计算分类精度
  • 用相应的标签可视化测试数据，以确保新数据上的模型准确性
  • 使用可解释的AI技术，如GradCAM来可视化图像中模型检测到缺陷的位置。
Baidu
map