| # -*- coding: utf-8 -*- | |
| import cv2 | |
| import tensorflow as tf | |
| import numpy as np | |
| # https://www.tensorflow.org/lite/guide/hosted_models | |
| # http://storage.googleapis.com/download.tensorflow.org/models/tflite/coco_ssd_mobilenet_v1_1.0_quant_2018_06_29.zip | |
| def detect_from_camera(): |
##VGG16 model for Keras
This is the Keras model of the 16-layer network used by the VGG team in the ILSVRC-2014 competition.
It has been obtained by directly converting the Caffe model provived by the authors.
Details about the network architecture can be found in the following arXiv paper:
Very Deep Convolutional Networks for Large-Scale Image Recognition
K. Simonyan, A. Zisserman
Kaggle https://www.kaggle.com/ 是机器学习相关人士获取数据，验证算法的地方。上面有一块是Getting Started，里面有一个First Steps With Julia，旨在教会大家使用Julia语言进行机器学习。在尝试时候发现并不好用，这个教程所使用的Julia版本比较低，有些函数已经有了较大的改变。在纠结了半天Julia之后，决定使用已经比较熟悉的Python重实现了该教程 首先，该教程针对的问题是从谷歌街景的图片中鉴定字母。
这个问题有别于传统的字母识别，因为每个字母的字体和背景都是不同的，该问题的训练集和测试集的下载请前往[数据集][1]。 下面我从Python的角度去完成Kaggle的Julia版教程。当然教程中也会使用到第三方库，有opencv，numpy，pandas和scikit-learn，这里暂时不介绍各个库的安装。 ##图片读取## 首先我们读取需要使用的库
