颜色分类leetcode CarL CNN:CarLogosCNN 通过神经网络进行图像分类

颜色分类leetcode CarL-CNN Car Logos CNN -构建我自己的汽车标识分类神经网络描述。CarL-CNN接受了20,778张50x50px RGB图像的训练，这些图像描绘了40个不同汽车品牌的标识。该数据集是从松散的网站上精心挑选的，包含各种配色方案（黑/白、RGB、CMYK、单色）、不同角度的图像、照片、绘图、草图，有时可能包含一些噪音（其他标识、背景等）。它通过归因于预测的品牌标签对给定图像进行分类。模型指标：该模型得到以下分数：精度：94.20%，召回率：94.03%，F1分数：94.04%，准确度：94.03%。特征：Jupyter Notebook文件包含用于展示、类别概率预测和新图像识别的方法定义。此外，还对错误预测的案例进行了仔细检查，以分析哪些汽车品牌需要一些数据集丰富。未来发展：我计划将它变成一个Web应用程序，并允许添加用户拥有的图像进行分类。稍后，我打算使用sl4a，将其制作成Android应用程序并启用手机摄像头识别车标——真正的计算机视觉！