基于深度学习的CMS识别 （一）图片分类识别

字数

494 字

阅读时间

2 分钟

更新日期

1/16/2018

楼楼作为一个初学深度的新手，只能简单说下关于CMS识别中自己的思路，如有错误，欢迎指出。

传统的CMS识别访问一个url获取指定特征，当指纹库越大，识别速度越慢。

那么，将深度学习用于CMS识别会如何呢？

博主认为，CMS识别可用深度学习中的文本识别模式或者图片识别模式完成。

本章就先对图片识别做个简单测试，步骤也是基本相当。因为现在的大部分深度学习框架的简便，我们只需要作出大量样本，打上相应的标签，用一个适应的模型，放到各种框架中学习就可以了。关于DNN,CNN等一些底层的原理，不用过多了解。这里博主选择caffe来进行深度学习。

**## 1.**样本制作

图片学习中需要大量样本，这些样本网上似乎也没有可用的可以直接下载的。所以博主首先开发了基于传统的识别模式的CMS识别平台 https://whatcms.hacking8.com/ 来收集大量样本。

然后需要写一个脚本对每个网站首页截屏，由于工程的复杂性，博主只对Discuz的网站进行了操作。

Ps:先用discuz测试可行性

**## 2.**合适模型

模型选择很随意，因为自己写不出模型，就用最有名的呗~ GoogLeNet

**## 3.**从入门到放弃

前面的一切都是美好的想象，因为样本中每个图片大约10M左右，加载样本的时候电脑直接卡死了，就不谈学习了。。。

提供一个思路，抛砖引玉。