**1 **問題
VGG網(wǎng)絡(luò)由牛津大學(xué)的Oxford Visual Geometry Group于2015年提出。從誕生之后就收到了學(xué)界的廣泛關(guān)注。
VGG網(wǎng)絡(luò),可以應(yīng)用在人臉識(shí)別、圖像分類等方面。VGG有兩種結(jié)構(gòu),分別為16層和19層。具體結(jié)構(gòu)在其文獻(xiàn)做了詳細(xì)表述,如下圖所示。
為了學(xué)習(xí)VGG網(wǎng)絡(luò),本組擬采用配置A在MNIST數(shù)據(jù)集上進(jìn)行圖像分類實(shí)驗(yàn)。
**2 **方法
首先MNIST的數(shù)據(jù)大小為28*28,需要進(jìn)行resize才能作為VGG網(wǎng)絡(luò)的輸入;同時(shí),本次實(shí)驗(yàn)只需要進(jìn)行10分類,因此將網(wǎng)絡(luò)本身的最后一層原做1000分類的soft-max層移除,替換為FC-10。網(wǎng)絡(luò)實(shí)現(xiàn)代碼如下:
獲取數(shù)據(jù)后進(jìn)行resize操作:
實(shí)驗(yàn)部分代碼如下:
實(shí)驗(yàn)結(jié)果:
**3 **結(jié)語
VGG主要工作是證明了增加網(wǎng)絡(luò)的深度能夠在一定程度上影響網(wǎng)絡(luò)最終的性能,從本次實(shí)驗(yàn)也可以看出,短時(shí)間少周期的訓(xùn)練并不能使得如此龐大的網(wǎng)絡(luò)擁有很好的效果,而在比較小的網(wǎng)絡(luò)如LeNet-5這樣的網(wǎng)絡(luò)上往往幾個(gè)周期就能得到較高的精度。遺憾的是因?yàn)閷?shí)驗(yàn)設(shè)備性能限制,網(wǎng)絡(luò)的運(yùn)行速度很慢,受限于內(nèi)存大小,BatchSize的大小受限,最大只能到32,沒有充足的調(diào)整空間。
聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。
舉報(bào)投訴
相關(guān)推薦
學(xué)習(xí)方法來對高血壓的四個(gè)階段進(jìn)行分類。這里采用的分類方法是:Alexnet、Resnet -50、VGG-16和新的模型:AvgPool_VGG
發(fā)表于 05-11 20:01
。目前,SAR圖像分類多是基于單通道圖像數(shù)據(jù)。多通道SAR數(shù)據(jù)極大地豐富了地物目標(biāo)信息量,利用多通道數(shù)據(jù)進(jìn)行分類,是SAR
發(fā)表于 04-23 11:52
深度學(xué)習(xí)目前已成為發(fā)展最快、最令人興奮的機(jī)器學(xué)習(xí)領(lǐng)域之一。本文以計(jì)算機(jī)視覺的重要概念為線索,介紹深度學(xué)習(xí)在計(jì)算機(jī)視覺任務(wù)中的應(yīng)用,包括網(wǎng)絡(luò)壓縮、細(xì)粒度圖像分類、看圖說話、視覺問答、圖像
發(fā)表于 06-08 08:00
為提升識(shí)別準(zhǔn)確率,采用改進(jìn)神經(jīng)網(wǎng)絡(luò),通過Mnist數(shù)據(jù)集進(jìn)行訓(xùn)練。整體處理過程分為兩步:圖像預(yù)處理和改進(jìn)神經(jīng)網(wǎng)絡(luò)推理。
發(fā)表于 12-23 08:07
針對SAR圖像紋理特征豐富的特點(diǎn),本文提出一種新的SAR圖像分類方法:通過提取Brushlet變換的能量及相位信息作為SAR圖像的紋理特征,然后輸入徑向基函數(shù)RBF
發(fā)表于 12-18 16:20
?20次下載
神經(jīng)網(wǎng)絡(luò)分類
特征提取和選擇完成后,再利用分類器進(jìn)行圖像目標(biāo)分類,本文采用神經(jīng)
發(fā)表于 03-01 17:55
?1654次閱讀
)、OverFeatL 3種深度卷積神經(jīng)網(wǎng)絡(luò)(DCNN)提取的融合特征進(jìn)行遙感圖像場景分類方法。通過利用利用3種DCNN提取的歸一化的融合特征進(jìn)行
發(fā)表于 01-10 16:05
?2次下載
CNN能夠?qū)D片進(jìn)行分類,可是怎么樣才能識(shí)別圖片中特定部分的物體,在2015年之前還是一個(gè)世界難題。神經(jīng)網(wǎng)絡(luò)大神Jonathan Long發(fā)表了《Fully Convolutional
發(fā)表于 09-26 17:22
?602次閱讀
通過圖像分類示例,了解Xilinx FPGA如何加速機(jī)器學(xué)習(xí),這是關(guān)鍵的數(shù)據(jù)中心工作負(fù)載。
該演示使用Alexnet神經(jīng)網(wǎng)絡(luò)模型加速了ImageNet圖像數(shù)據(jù)集的
發(fā)表于 11-21 06:08
?2437次閱讀
為了在不增加較多計(jì)算量的前提下,提高卷積網(wǎng)絡(luò)模型用于圖像分類的正確率,提出了一種基于復(fù)雜網(wǎng)絡(luò)模型描述的圖像深度卷積
發(fā)表于 12-24 16:40
?4次下載
與同類標(biāo)簽特征圖進(jìn)行交換,充分融合有限的圖像特征,以解決圖像識(shí)別中樣本不足的問題。實(shí)驗(yàn)結(jié)果表明,該算法對標(biāo)注數(shù)據(jù)的依賴性較低且有效提升了網(wǎng)絡(luò)識(shí)別準(zhǔn)確率,適用于數(shù)據(jù)量較小的
發(fā)表于 03-22 14:59
?27次下載
改進(jìn)VGG模型在蘋果外觀識(shí)別分類中的應(yīng)用
發(fā)表于 07-02 14:52
?30次下載
如何搭建VGG網(wǎng)絡(luò),實(shí)現(xiàn)Mnist數(shù)據(jù)集的圖像分類?
2 方法
步驟:
發(fā)表于 02-14 15:00
?650次閱讀
電子發(fā)燒友網(wǎng)站提供《PyTorch教程8.2之使用塊的網(wǎng)絡(luò)(VGG).pdf》資料免費(fèi)下載
發(fā)表于 06-05 10:11
?0次下載
摘要:針對復(fù)雜環(huán)境下人臉圖像美感分類準(zhǔn)確率低的問題,給出一種適用于人臉圖像美感分類的網(wǎng)絡(luò)模型F-Net。該模型以LeNet-5為基礎(chǔ)
發(fā)表于 07-19 14:38
?0次下載
評論