狗狗品种分类器

提交文件

本次提交包含所有必需的文件。

问题 1：评估人脸检测器

提交包含狗狗与人脸数据集前 100 张图片中，检测出的人脸的百分比。

问题 2： 评估人脸检测器

表明 Haar 级联检测是否是一种合适的人脸检测技术。

问题 3：评估狗狗检测器

提交包含狗狗与人脸数据集前 100 张图片中，检测出的狗狗的百分比。

模型架构

提交指明了一个 CNN 模型架构。

测试模型

训练过的模型在测试数据集上至少达到 1% 的准确度。

训练模型

提交指出了训练算法所用的 epochs 数。

获取关键特征

提交下载了对应于 Keras 与训练模型（VGG-19, ResNet-50, Inception, or Xception）的关键特征。

模型架构

提交指明了一种模型架构

编译模型

提交通过说明代价函数与优化方式编译结构。

问题 5：模型架构

提交应指出为什么这一架构会在分类任务中成功，以及为什么早期的尝试不成功。

训练模型

提交使用模型的检查点训练模型，并将拥有最佳交叉验证损失的模型权重保存下来。

读取拥有最佳交叉验证损失的模型。

提交读取了模型获得最小交叉验证损失的模型权重。

测试模型

测试数据集上的准确度达到了 60% 或更多。

用模型预测狗狗种类

提交包含一个满足如下要求的函数，它以文件路径作为输入，并返回由 CNN 预测的狗品种。

写出你自己的算法

提交使用第五步建立的 CNN 模型检测狗的种类。提交应对不同种类的输入图片有着不同的输出结果，并且提供实际（或最接近的）狗的种类。

用样例图片测试你的算法

提交应至少检测了 6 张图片，其中至少包含了 2 张人脸图片与 2 张狗狗图片。