Wolfram Mathematica识别猫种
自Wolfram Mathematica 11.3起逐渐开始支持神经网络等功能,
相关函数有NetModel等。
也提供了一系列强大的神经网络库,有音频分析、分类、数据生成、特征提取、图像处理、语言建模、
对象检测、回归、语义分段、语音识别等107个库,还是比较全的。
我们检测猫的种类的图片用的是:

分别使用了:
Inception V3 Trained on ImageNet Competition Data:
该模型由Google Inc.(也称为GoogLeNet)于2015年发布,这个模型建立在之前的Inception V1之上,使用不到100 MB的参数将性能提高了15%。它比它的前辈有一些架构上的改进,例如大滤波器卷积和非对称卷积级的分解。
EfficientNet Trained on ImageNet with AdvProp and AutoAugment:
该模型于2019年发布,利用EfficientNet架构上的AdvProp和AutoAugment数据增强技术有效地执行图像分类。
ResNet-101 Trained on ImageNet Competition Data:
微软亚洲研究院于2015年发布的ResNet架构(包括ResNet-50,ResNet-101和ResNet-152),在ImageNet和MS-COCO竞赛中获得了非常成功的成绩。这些模型中所利用的核心思想残余连接(residual connections)极大地改善了梯度流动,从而允许训练更深入的模型,包括数十层甚至数百层。
In[1]=NetModel[“Inception V3 Trained on ImageNet Competition Data”][a, “TopProbabilities”]
Out[1]={tabbycat->0.211156,Egyptiancat->0.154156,tigercat->0.135589,bathtub->0.040887,vat->0.0263624}
In[2]= NetModel[“EfficientNet Trained on ImageNet with AdvProp and AutoAugment”][a, “TopProbabilities”]
Out[2]={Egyptiancat->0.419587,tabbycat->0.101588}
In[3]=NetModel[“ResNet-101 Trained on ImageNet Competition Data”][a, “TopProbabilities”]
Out[3]={Egyptiancat->0.735536,tabbycat->0.0787424}
根据以上结果,这只猫大概率是埃及猫(Egyptiancat),也有可能是虎斑猫(tabbycat)。其中Inception V3给出了最多的可能答案,虽然两种不是猫(?)。而EfficientNet和ResNet-101给出Egyptiancat的概率均远大于其他。【虽然我觉得猫的种类结果都不太对(?)】
PS:没有这次识别,我也不清楚猫竟然有这么多种种类,有点孤陋寡闻。