Skip to content

This project was developed to perform image classification using deep convolutional neural networks (CNN). The CNN model was created and trained using the TensorFlow and Keras libraries.

Notifications You must be signed in to change notification settings

memollizm/Cnn-Image-Classification

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

10 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Cnn Image Classification

cnn


Proje Açıklaması

Bu proje, bir görüntünün içeriğini otomatik olarak tanımlamak amacıyla derin öğrenme tekniklerini kullanmaktadır. Özellikle, kedi ve köpek sınıflarını ayırt etmek için bir CNN modeli geliştirilmiştir. Geliştirilen model, görüntülerdeki desenleri ve özellikleri tanımak için evrişim ve havuzlama katmanlarından oluşan bir mimari kullanır. Ardından, elde edilen özellikler, tam bağlı katmanlarla sınıflandırılır ve sonuç olarak görüntünün bir kedi mi yoksa bir köpek mi olduğu tahmin edilir.


Kullanım

  1. Projeyi klonlayın:
  • git clone https://github.com/<kullanıcı_adı>/Cnn-Image-Classification.git

  1. Gerekli kütüphaneleri yükleyin:
  • pip install tensorflow
  • pip install keras
  • pip install Flask

  1. Veri setini hazırlayın:
  • Eğitim veri setini dataset/training_set dizinine yerleştirin.
  • Test veri setini dataset/test_set dizinine yerleştirin.

  1. Modeli çalıştırın:
  • Jupyter Notebook üzerinden projenin olduğu dizine gidin ve adım adım projeyi çalıştırın.

!! ÖNEMLİ !!

  • İndirdiğiniz .ipynb dosyası ile veri setlerinin bulunduğu klasör aynı dizin altında bulunmalıdır.

Web Arayüzü


anaSayfa


Katkıda Bulunma

  • Bu projeye katkıda bulunmak istiyorsanız, bir çekme isteği (pull request) açabilirsiniz.

About

This project was developed to perform image classification using deep convolutional neural networks (CNN). The CNN model was created and trained using the TensorFlow and Keras libraries.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published