運用ResNet-50進行圖像分類

https://colab.research.google.com/drive/1wXEihmp5IfrvKiNZwxtB0ztMyUTE25bx?usp=sharing

隨著科技的發展，人工智慧技術越來越成熟，漸漸地我們發現人工智慧能運用在生活中造成一些創新性的便利。

要利用人工將全台的衛星影像完成分類，不但需要大量的時間及人力，而且還可能會面臨人為失誤、每個人的判斷標準並不一樣等等問題。但藉由人工智慧卻能快速且有效的完成巨量資料的分類。

ResNet-50的深度較大，所以在加深網絡深度的同時提出殘差學習的結構來減輕深層網絡訓練的難度。

重新構建了網絡以便學習包含推理的殘差函數，而不是學習未經過推理的函數。實驗結果顯示，殘差網絡更容易優化，並且加深網絡層數有助於提高正確率。

ResNet-50在圖像分類任務上有非常優秀的表現，由一系列的網絡層堆疊而成 ，採用分層的結構對圖片進行特徵提取。

能順利的在大量的圖像資料中，判斷出資料集中相似的圖片。

在此使用kaggle上的"Landscape Pictures"資料集的其中1400張圖片進行成果展示。