49、深度学习计算机视觉：从模型构建到目标检测

深度学习计算机视觉：从模型构建到目标检测

1. 构建 ResNet-34 模型

在构建深度学习模型时，我们可以使用 Keras 的 Sequential 模型来构建 ResNet-34。在构造函数中，我们创建所需的所有层，主层位于图的右侧，跳跃层位于左侧（仅当步幅大于 1 时需要）。在 call() 方法中，我们让输入通过主层和跳跃层（如果有），然后将两个输出相加并应用激活函数。

以下是构建 ResNet-34 模型的代码：

model = tf.keras.Sequential([
    DefaultConv2D(64, kernel_size=7, strides=2, input_shape=[224, 224, 3]),
    tf.keras.layers.BatchNormalization(),
    tf.keras.layers.Activation("relu"),
    tf.keras.layers.MaxPool2D(pool_size=3, strides=2, padding="same"),
])
prev_filters = 64
for filters in [64] * 3 + [128] * 4 + [256] * 6 + [512] * 3:
    strides = 1 if filters == prev_filters else 2
    model.add(ResidualUnit(filters, strides=strides))
    prev_filters = filters
model.add(tf.keras.