【2】Kaggle:狗的种类识别,基于论文中的 VGG(11)/ResNet(18)/SENet 结构实现

该博客介绍了Kaggle狗类识别任务,详细讲解了VGG11、ResNet18的网络结构,并探讨了ResNet18结合SE block的实现,旨在通过深度学习提升计算机视觉的图像识别性能。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.数据集格式

在前面【1】中已经对数据集进行过了处理,在自己实现这一模块,训练数据集的统一格式为下图:
在这里插入图片描述

2.VGG11结构

根据论文Karen Simonyan, Andrew Zisserman. Very deep convolutional networks for
large-scale image recognition. ICLR, 2015. (VGG)
中的结构,根据标红部分构件卷积层conv和池化层MaxPool:卷积层conv为8层。VGG11网络的结构比较简单和规律,卷积层和全连接层都使用了相同的卷积核大小和滤波器数量,即3x3的卷积核和64、128、256、512、512个滤波器。每个卷积层后面紧跟着一个2x2的最大池化层。
在这里插入图片描述


class VGG11(nn
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小镇躺不平家

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值