Redes neuronales Convolucionales utilizadas para el reconocimiento de Especies maderables Mediante Imágenes
Algoritmos InceptionV3 implementado usando TensorFlow-2.0
##Entrenamiento
- Requerimientos
- Python >= 3.6
- Tensorflow == 2.0.0
- Para entrenar a ResNet en su propio conjunto de datos, puede colocar el conjunto de datos en la carpeta original_dataset, y el directorio debería verse así
|——original dataset
|——class_name_0
|——class_name_1
|——class_name_2
|——class_name_3
- Ejecute el script split_dataset.py para dividir el conjunto de datos sin procesar en conjunto de datos de entrenamiento (train), conjunto de datos de validacion(valid) y conjunto de datos de prueba (test).
|——dataset
|——train
|——class_name_1
|——class_name_2
......
|——class_name_n
|——valid
|——class_name_1
|——class_name_2
......
|——class_name_n
|—-test
|——class_name_1
|——class_name_2
......
|——class_name_n
- Modifique los parametros como corresponda en config.py.
- Ejecute el script train.py para empezar el entrenamiento.
Ejecute evaluate.py para evaluar el rendimiento del modelo en el conjunto de datos de prueba.
- Paper original :https://arxiv.org/abs/1512.00567
- Google official implementation of InceptionV3 (TensorFlow 1.x): https://github.com/tensorflow/models/blob/master/research/slim/nets/inception_v3.py
- https://www.jianshu.com/p/3bbf0675cfce
- Official PyTorch implementation of InceptionV3 : https://github.com/pytorch/vision/blob/master/torchvision/models/inception.py