颜色分类leetcode-FaceClassification_Tensorflow:使用OpenCV和Tensorflow构建...

颜色分类leetcode 使用 Tensorflow 进行性别分类 从头开始训练神经网络面临两个主要问题。 首先，需要一个非常大的分类输入数据集，以便神经网络可以学习分类所需的不同特征。 从头开始训练模型需要大量分类的高质量训练数据。 通常，此类数据必须先手动分类，以便人工智能可以从手动分类中学习。 其次，设计一个满足需求的神经网络既困难又复杂，因为网络就像一个黑匣子。 为了正确设计这样的网络，需要高度专业的知识。 第三，训练神经网络需要大量的时间和资源。 即使在现代 GPU 和高效的网络设计上，训练网络也很容易花费数天甚至数周的时间。 最后，为了创建一个高效可靠的网络，必须一次又一次地调整网络参数，这总是导致网络的（完整）重新训练——这意味着更多的时间和资源消耗。 这个 repo 演示了我们如何训练神经网络使用 tensorflow 和仅 50 张输入图像、一些来自互联网的未分类数据集来对男性和女性面部进行实时分类，2 天的时间，除了编写代码和等待训练完成 - 这意味着无需手动对图像进行分类。 我们将使用 Haarcascade 和 OpenCV 来检测实时网络摄像头输入流中的人脸。