Python大数据分析与挖掘实战第11章.pptxVIP

  • 86
  • 0
  • 约1.13万字
  • 约 28页
  • 2021-01-27 发布于辽宁
  • 举报
第11章 基于水色图像的水质评价图像识别,在实现中具有广泛应用,比如人脸识别、指纹识别、机器视觉、安防监控、农产品分拣、医疗诊断等。图像属于非结构化数据,需要使用专门的工具包进行图像读取及数据处理。本章使用Anaconda自带的PIL包进行读取及处理,避免了使用更复杂的图像处理工具。对于图像识别,通常有两种处理方法:1)对图像提取特征后,利用常见的分类模型进行识别,比如支持向量机、神经网络、逻辑回归等;2)利用深度学习模型直接对图像进行分类识别,这类模型具有自提取特征的机制,比如卷积神经网络深度学习模型。本章两种处理方法都给予介绍。下面将从案例背景、案例目标及实现思路、数据获取、数据可视化、指标计算、模型构建与实现等方面进行详细介绍。 11.1 案例背景Part 11 图像在实现中是广泛存在的一类数据,图像识别及其应用在各个领域均有丰富的应用案例。在水养殖业中,水体生态系统中存在着各种浮游植物、动物与各类微生物,其动态平衡尤为重要。一般地,这些大多是通过有经验的专家肉眼观察来进行判断,存在一定的主观性和不易推广应用。本章基于数字图像处理技术和机器学习、深度学习方法,以专家经验为基础,对水色进行优劣分级,实现对水色的快速判别。本案例将水色分为五类:第1类为浅绿色,采集了51张图片;第2类为灰蓝色,采集了44张图片;第3类为黄褐色,采集了78张图片;第4类为茶褐色,采集了24张图片;第

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档