Image classification with deep learning常用模型
本文中,我会根据下大家image classification常用的cnn模型,针对cifar10(for 物体识别),mnist(for 字符识别)& ImageNet(for 物体识别)做一个model 总结。
- 本文不讲coding(coding请见Convolution Neural Network (CNN) 原理与实现篇)
- 本文不涉及公司内部资料,纯公开资料汇总
好,本文就从数据集说起,对数据集不熟悉的小伙伴请先去了解下这3个数据集,下面我们针对每个数据集画出其通用模型。
===================================
1. Cifar10
60000张32*32彩色图,10类,每类5000张用于training,1000张用于testing,通常做object recognition/classification。
模型:(上面写的数字是该层节点数)
2. Mnist
黑白图,手写体,60000training,10000testing,已做好croping,28*28,用作classification。
LeNet模型:
3. ImageNet
10w类,每类约1000张彩色图的大规模数据集 ,需要注册下载。从10年起每年都有imagenet的竞赛,分为detection, classification & localization. 14年的比赛结果和方法见这里。
3.1 2012 AlexNet
模型:
但是里面细节我一直没搞过,今天就任性了一把,把每一层列出来了大小及其对应操作。自认为看上去不如上图清晰,但是会对每一步的操作有更加深入的了解。。。
此图从下往上看,最下方是输入data(注意上图中224是错的,这里crop后的image实际上是227*227的)。
PS: crop 为将图片进行四个边界crop+中心crop
每一层data格式(batch size, # feature map, height of feature, width of feature)
每一次convolution(conv)的格式(#output feature,#conv feature map,kernel height,kernel width)
这里我们看到了最后fc8(第8层,fully connect)接的是LABEL,这是一个loss层,多类分类,采用softmax loss做为loss function。这是训练时候优化参数定的,那测试的时候怎么搞?
——
测试的时候,最后的特征fc8接一层probability,返回类型为softmax的概率,哪个最高结果就评定为哪一类。
如果做全局系统测评,可以再在后面加一层accuracy层,返回类型为ACCURACY.
3.2 2014 GoogLeNet
2014 ImageNet classification & Detection的冠军,22层网络。。。给跪了,感兴趣的同学去看paper里的结构吧,这里我截图截不下来了。。。
另外,给几个参考:
1. 初学者玩玩:可以用在线ConvNet试一下
2. DIY Deep learning Architecture
3. 其实最好的reference还是paper + code啦,上面的architecture可以参考caffe中example/imagenet的prototxt。
from: http://blog.csdn.net/abcjennifer/article/details/42493493
Image classification with deep learning常用模型相关推荐
- 基于深度学习的图像分类Image classification with deep learning常用模型
本文中,我会根据下大家image classification常用的cnn模型,针对cifar10(for 物体识别),mnist(for 字符识别)& ImageNet(for 物体识别)做 ...
- deep learning 以及deep learning 常用模型和方法
首先为什么会有Deep learning,我们得到一个结论就是Deep learning需要多层来获得更抽象的特征表达. 1.Deep learning与Neural Network 深度学习是机器学 ...
- 【github】机器学习(Machine Learning)深度学习(Deep Learning)资料
转自:https://github.com/ty4z2008/Qix/blob/master/dl.md# <Brief History of Machine Learning> 介绍:这 ...
- 机器学习(Machine Learning)深度学习(Deep Learning)资料汇总
本文来源:https://github.com/ty4z2008/Qix/blob/master/dl.md 机器学习(Machine Learning)&深度学习(Deep Learning ...
- 机器学习----(Machine Learning)深度学习(Deep Learning)资料(Chapter 1)
文章转至:作者:yf210yf 感谢您提供的资源 资料汇总的很多,转载一下也方便自己以后慢慢学习 注:机器学习资料篇目一共500条,篇目二开始更新 希望转载的朋友,你可以不用联系我.但是一定要保留原 ...
- 机器学习(Machine Learning)深度学习(Deep Learning)资料【转】
转自:机器学习(Machine Learning)&深度学习(Deep Learning)资料 <Brief History of Machine Learning> 介绍:这是一 ...
- 机器学习(Machine Learning)深度学习(Deep Learning)资料集合
机器学习(Machine Learning)&深度学习(Deep Learning)资料 原文链接:https://github.com/ty4z2008/Qix/blob/master/dl ...
- 机器学习(Machine Learning)深度学习(Deep Learning)资料(Chapter 1
<Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.D ...
- 大量机器学习(Machine Learning)深度学习(Deep Learning)资料
机器学习目前比较热,网上也散落着很多相关的公开课和学习资源,这里基于课程图谱的机器学习公开课标签做一个汇总整理,便于大家参考对比. 1.Coursera上斯坦福大学Andrew Ng教授的" ...
最新文章
- Go的日志模块glog调研笔记
- JDK, JRE 和JVM的区别
- oracle /+append/好用吗,ORACLE-insert /*+append*/提高性能
- 深度学习在CTR预估中的应用 | CTR深度模型大盘点
- 【好文推荐】java模板引擎性能
- 提高WordPress访问速度与性能的技巧总结
- adb uninstall
- vue中生成二维码(中间带logo)
- Yarn简介及Capacity Fair Scheduler
- vmospro启动黑屏_VMOSPro(com.vmos.pro) - 1.1.28 - 应用 - 酷安网
- 火焰识别python_OpenCV_火焰检测——完整代码
- c++ 读取二进制bin文件
- No HttpMessageConverter for com.ysd.entity.Users
- Mach-O入门理解
- 串的模式匹配算法 ← BF算法
- WAIC | 九章云极方磊:Hypernets——自动化机器学习的基础框架
- IE8 RC版 兼容模式的表格边框问题
- 国产自主内存产能发展迅猛
- 我对计算机专业的认识及期望
- 红外图像非均匀矫正——一点矫正
热门文章
- 基因组与数据整合:DNA应用开发正在临近
- Linux-pstree命令
- 解决ZooKeeper集群搭建 [myid:1] - WARN [QuorumPeer[myid=1]:QuorumCnxManager@685] - Cannot open channel
- 爬虫学习笔记(十九)—— 滑动验证码
- 爬虫学习笔记(十二)—— scrapy-redis(一):基本使用、介绍
- 系统优化怎么做-SQL优化
- 关于synchronize与lock的区别
- python知识:几个排序算法的python实现
- oracle utl_smtp 500 bad syntax,改进oracle utl_mail包的smtp_server设定和密码验证不足
- asp.net mvc连接mysql_asp.net mvc4连接mysql