本篇教程介绍了大数据应用 京东金融大数据竞赛猪脸识别（8）- 识别方法之四，希望阅读本篇文章以后大家有所收获，帮助大家对大数据云计算大数据应用的理解更加深入。

<

除了softmax层构建的深度网络，Matlab还有一个简单的构建数据分类的函数，那就是patternnet，其用法类似。可以直接对图像特征数据处理，也可以对图像集处理。代码如下：

%exam1.m 用训练图像特征构建深度网络并计算测试图像得分
clear;
load(‘JDPig_mlhmslbp_spyr.mat‘);
m = numel(classe_name);
n = length(y);
label = []
for i=1:n
    label(:,i) = zeros(m,1);
    label(y(i),i) = 1;
end
testImg  = load(‘JDTest_mlhmslbp_spyr.mat‘);
if ~exist(‘patternnet.mat‘)    
    net = patternnet(1000);
    net = train(net,X,label);
    fprintf(‘saving net\n‘);
    save(‘patternnet.mat‘,‘net‘);
else
    load(‘patternnet.mat‘,‘net‘);
    fprintf(‘loading net\n‘);
end

if ~exist(‘resPatternnet.mat‘)
    view(net);
    scores = net(testImg.X);    
    save(‘resPatternnet.mat‘,‘scores‘);
else
    load(‘resPatternnet.mat‘,‘scores‘);
end
fprintf(‘Testing images!\n‘);
load(‘testName.mat‘,‘imgName‘);
for i=1:length(scores)
    for j=1:m
        indImg((i-1)*m+j) = imgName(i);
        plabel((i-1)*m+j)  = j;
        prob((i-1)*m+j)   = scores(j,i);
    end
end
T = table(indImg‘,plabel‘,prob‘);
writetable(T,‘resPatternnet.csv‘);
fprintf(‘Image recognition finished!\n‘);

clear;
% 不用特征文件，对图像文件夹进行处理
trainFolder = fullfile(pwd, ‘image‘);
testFolder = fullfile(pwd, ‘query‘);
testSet   = imageSet(testFolder);              %query image
trainImds = imageDatastore(trainFolder,‘IncludeSubfolders‘,true,‘FileExtensions‘,‘.jpg‘,‘LabelSource‘,‘foldernames‘);
testImds  = imageDatastore(testFolder,‘IncludeSubfolders‘,false);
setNum = numel(qImageSets);
y = trainImds.Labels;
n = length(y);
label = []
for i=1:n
    label(:,i) = zeros(m,1);
    label(y(i),i) = 1;
end
for i=1:
if ~exist(‘patternnet1024.mat‘)    
    net = patternnet(1024);
    net = train(net,X,label);
    fprintf(‘saving net\n‘);
    save(‘patternnet1024.mat‘,‘net‘);
else
    load(‘patternnet1024.mat‘,‘net‘);
    fprintf(‘loading net\n‘);
end

if ~exist(‘resPatternnet1024.mat‘)
    view(net);
    scores = net(testImg.X);    
    save(‘resPatternnet1024.mat‘,‘scores‘);
else
    load(‘resPatternnet1024.mat‘,‘scores‘);
end
fprintf(‘Testing images!\n‘);
load(‘testName.mat‘,‘imgName‘);
for i=1:length(scores)
    for j=1:m
        indImg((i-1)*m+j) = imgName(i);
        plabel((i-1)*m+j)  = j;
        prob((i-1)*m+j)   = scores(j,i);
    end
end
T = table(indImg‘,plabel‘,prob‘);
writetable(T,‘resPatternnet2000.csv‘);
fprintf(‘Image recognition finished!\n‘);
   

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标大数据云计算大数据应用频道！