图像识别技术与应用课后总结（11）

Pytorch实现cifar10多分类

数据集说明

CIFAR-10数据集由10个类的60000个32x32彩色图像组成，每个类有6000个图像。有50000个训练图像和10000个则试图像。

数据集分为5个训练批次和1个测试批次，每个批次有10000个图像。测试批次包含来自每个类别的恰好1000个随机选择的图像。训练批次以随机顺序选取剩余图像，但一些训练批次可能更多会选取来自一个类别的图像。总体来说，五个训练集之和包含来自每个类的正好5000张图像。图6-27显示了数据集中涉及的10个类，以及来自每个类的10个随机图像。

这10类都是彼此独立的，不会出现重要，即这是多分类单标签问题

构建网络

 输入层（Input Image）：输入是一张大小为32×32像素的彩色图像（通道数为3），比如图中的马的图像。

卷积层（CONV）：

CONV1：使用16个滤波器（filters），滤波器大小（kernel_size）为5×5，步长（stride）为1，对输入图像进行卷积操作，输出特征图大小变为28×28，通道数变为16。

CONV2：以CONV1的输出作为输入，使用36个滤波器，滤波器大小为3×3，步长为1，输出特征图大小变为12×12，通道数变为36 。

 池化层（POOL）：

 POOL1：采用最大池化（Max Pooling），池化核大小为2×2，步长为2，对CONV1的输出进行降采样，输出特征图大小变为14×14，通道数保持16不变。

 POOL2：对CONV2的输出进行最大池化，同样池化核大小为2×2，步长为2，输出特征图大小变为6×6，通道数保持36不变。

 全连接层（FC）：

 FC3：将POOL2输出的特征图（6×6×36，即1296个神经元）展开后作为输入，输出128个神经元

 FC4：以FC3的输出作为输入，输出10个神经元，对应CIFAR - 10数据集中的10个类别，最后通过Softmax函数（图中提及“10(不用激活函数)”有误，通常此处需要Softmax来计算类别概率）得到每个类别的预测概率 。