現(xiàn)在的爬蟲技術(shù)、機器學(xué)習、圖像識別能達到這個程度嗎？100%同意答案遷移學(xué)習：如何使用TensorFlow機器學(xué)習對圖像進行分類？簡而言之，它可以分為兩種方式：一種是用預(yù)訓(xùn)練模型作為特征抽取器，然后對

現(xiàn)在的爬蟲技術(shù)、機器學(xué)習、圖像識別能達到這個程度嗎？

100%同意答案

遷移學(xué)習：如何使用TensorFlow機器學(xué)習對圖像進行分類？

簡而言之，它可以分為兩種方式：一種是用預(yù)訓(xùn)練模型作為特征抽取器，然后對模型進行訓(xùn)練和調(diào)優(yōu)；另一種是通過微調(diào)實現(xiàn)分類器訓(xùn)練的目的，預(yù)訓(xùn)練模型與圖像增強相結(jié)合。

以vgg16模型為例，我們下載了vgg16的預(yù)訓(xùn)練模型，可以看到vgg16模型分類器中與分類器相關(guān)的最后一個分類部分已經(jīng)被刪除。利用vgg-16模型作為特征提取工具，對每一層圖像進行凍結(jié)，提取出待分類的瓶頸層特征，即vgg=get瓶頸特征（vgguModel，trainuIMGSuScale）

validationuFeaturesvgg=getu瓶頸特征（vgguModel，validationimgsuScale）

然后建立一個簡單的模型分類器和提取的訓(xùn)練特征作為模型訓(xùn)練的輸入?yún)?shù)，通過迭代訓(xùn)練得到一個簡單的圖像分類器。

第二種方法是以vgg-16為例。首先對前三層進行凍結(jié)，將4-5層設(shè)置為可訓(xùn)練層，然后結(jié)合圖像分割，通過連續(xù)訓(xùn)練和迭代優(yōu)化后兩層的參數(shù)，得到更好的圖像分類器。

綜合評價后，第二種方法通常比第一種方法更有效。