1.算法运行效果图预览
2.算法运行软件版本
matlab2022a
3.算法理论概述
GoogLeNet主要由一系列的Inception模块堆叠而成，每个Inception模块包含多个并行的卷积层，以不同的窗口大小处理输入数据，然后将结果整合在一起。假设某一层的输入特征图表示为X∈ℝ^(H×W×C)，四个分支分别应用以下操作：
对于十二生肖图像分类任务，我们将训练集中的图片输入到GoogLeNet模型中，经过多层Inception模块和其他辅助分类器的学习后，模型会学习到丰富的高层语义特征。在模型顶层，通常采用全局平均池化层后接全连接层，并使用softmax函数输出各个类别的概率分布，从而实现对输入图像的十二生肖类别预测。
4.部分核心程序
for i = 1:16
subplot(4,4,i)
I= readimage(Validation_Dataset, index(i));
imshow(I)
label = Predicted_Label(index(i));
title(string(label) + ", " +num2str(100*max(Probability(index(i), :)), 3) + "%");%显示预测标签和置信度
end
figure
for i = 1:16
subplot(4,4,i)
I= readimage(Validation_Dataset, index(i+16));
imshow(I)
label = Predicted_Label(index(i+16));
title(string(label) + ", " +num2str(100*max(Probability(index(i+16), :)), 3) + "%");%显示预测标签和置信度
end
figure
for i = 1:16
subplot(4,4,i)
I= readimage(Validation_Dataset, index(i+32));
imshow(I)
label = Predicted_Label(index(i+32));
title(string(label) + ", " +num2str(100*max(Probability(index(i+32), :)), 3) + "%");%显示预测标签和置信度
end
figure
for i = 1:16
subplot(4,4,i)
I= readimage(Validation_Dataset, index(i+48));
imshow(I)
label = Predicted_Label(index(i+48));
title(string(label) + ", " +num2str(100*max(Probability(index(i+48), :)), 3) + "%");%显示预测标签和置信度
end
