anked10-CNNs_tensorflow2_InceptionV3-maderas

Redes neuronales Convolucionales utilizadas para el reconocimiento de Especies maderables Mediante Imágenes

Algoritmos InceptionV3 implementado usando TensorFlow-2.0

##Entrenamiento

1. Requerimientos

• Python >= 3.6
• Tensorflow == 2.0.0

2. 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

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

4. Modifique los parametros como corresponda en config.py.
5. Ejecute el script train.py para empezar el entrenamiento.

Evaluación de algoritmos

Ejecute evaluate.py para evaluar el rendimiento del modelo en el conjunto de datos de prueba.

Referencias

1. Paper original :https://arxiv.org/abs/1512.00567
2. Google official implementation of InceptionV3 (TensorFlow 1.x): https://github.com/tensorflow/models/blob/master/research/slim/nets/inception_v3.py
3. https://www.jianshu.com/p/3bbf0675cfce
4. Official PyTorch implementation of InceptionV3 : https://github.com/pytorch/vision/blob/master/torchvision/models/inception.py