12、有影响力的图像分类工具

有影响力的图像分类工具

1. VGG - 16 网络在 Keras 中的使用

在 Keras 中，使用默认参数可以轻松实例化 VGG - 16 网络，并加载在 ImageNet 上完成完整训练周期后得到的持久化参数值。只需一条命令，我们就能拥有一个可将图像分类为 1000 个 ImageNet 类别的网络。
- 从头开始重新训练 ：若要从头开始重新训练网络，需将 weights 参数设置为 None ，这样 Keras 会随机设置权重。
- 排除顶层密集层 ：在 Keras 术语中，顶层对应于最后的连续密集层。若设置 include_top=False ，VGG 的密集层将被排除，网络输出将是最后一个卷积/最大池化块的特征图。这对于想要重用预训练的 VGG 网络来提取有意义的特征（可应用于更高级的任务），而不仅仅用于分类的情况非常有用。
- 池化函数参数 ：当 include_top=False 时，可以使用 pooling 参数指定在返回特征图之前对其应用的可选操作，如 pooling='avg' 应用全局平均池化， pooling='max' 应用全局最大池化。

2. GoogLeNet 架构概述

GoogLeNet 由 Google 研究人员开发，在 2014 年的 ILSVRC 图像分类任务中击败了 VGGNet，获得第