【caffe 深度学习】6.GoogleNet实现图像识别

本文介绍如何使用Caffe实现GoogleNet模型进行图像识别。通过部署文件描述模型结构,理解Inception模块中不同大小卷积核的作用。同时提供识别图片的准备步骤,包括获取synset_words.txt标签文件,并利用Python接口调用进行识别。

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

1.到caffe的github上去下载训练好的GoogleNet模型

https://github.com/BVLC/caffe

训练好的模型意思的一些参数比如权值和观测值都已经被训练好,都存在这个模型中。



注:deploy文件是模型结构的描述文件。我们用之前第四篇博客模型可视化的方法用draw_net.py将该模型画出来:


    网络比较长,层数多,宽度宽,我这里只上传一个小截图,就不把全部图片上传过来,大家有兴趣可以自己看看网络结构图。


 图中Inception结构中,不同大小的卷积核意味着不同大小的感受野,最后的合并意味着不同尺度特征的融合。inception是googleNet网络很有特点的结

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
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