keras从入门到放弃(十六）内置预训练网络VGG

Keras深度学习：预训练网络VGG16与VGG19解析

最新推荐文章于 2024-02-29 09:02:27 发布

小刘要努力。

最新推荐文章于 2024-02-29 09:02:27 发布

阅读量2.7k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： TensorFlow

liurunsen

本文链接：https://blog.youkuaiyun.com/weixin_44510615/article/details/89237472

TensorFlow 专栏收录该内容

103 篇文章 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了预训练网络的概念，特别是在小图像数据集上应用预训练网络的优势。Keras库提供了VGG16、VGG19等经典模型，这些模型在ImageNet数据集上预先训练，适用于多种计算机视觉任务。VGG模型以简单的3×3卷积核结构和max pooling实现深度，VGG16作为示例用于处理猫狗数据集。

什么是预训练网络

一个常用、高效的在小图像数据集上深度学习的方法就是利用预训练网络。一个预训练网络只是简单的储存了之前在大的数据集训练的结果，通常是大的图像分类任务。如果原始的数据集已经足够大，足够一般，通过预训练学习到的空间上的特征层次结构就能有效地在我们的模型中工作，因此这些特征对许多计算机视觉问题都很有用，尽管这些新问题和原任务相比可能涉及完全不同的类别。

Keras内置预训练网络 Keras库中包含

VGG16、VGG19、
ResNet50、
Inception v3、
Xception等经典的模型架构。

ImageNet是一个手动标注好类别的图片数据库(为了机器视觉研究)，目前已有22,000个类别。ImageNet项目是一个用于视觉对象识别软件研究的大型可视化数据库。超过1400万的图像URL被ImageNet手动注释，以指示图片中的对象;在至少一百万个图像中，还提供了边界框。ImageNet包含2万多个类别; [2]一个典型的类别，如“气球”或“草莓”，包含数百个图像。第三方图像URL的注释数据库可以直接从ImageNet免费获得;但是，实际的图像不属于ImageNet。自2010年以来，ImageNet项目每年举办一次软件比赛，即ImageNet大规模视觉识别挑战赛（ILSVRC），软件程序竞相正确分类检测物体和场景。 ImageNet挑战使用了一个“修剪”的1000个非重叠类的列表。2012年在解决ImageNet挑战方面取得了巨大的突破，被广泛认为是2010年的深度学习革命的开始。

VGG16与VGG19

在2014年，VGG模型架构由Simonyan和Zisse