deep learning keras: 关于动物识别的vgg_16模型与调优

最新推荐文章于 2024-08-18 22:00:00 发布

lzhalan2016

最新推荐文章于 2024-08-18 22:00:00 发布

阅读量1.3w

点赞数 3

分类专栏： Deep Learning 文章标签：计算机视觉数据挖掘卷积神经网络 vgg_16 CNN

本文链接：https://blog.csdn.net/lzhalan2016/article/details/52337513

版权

本文介绍了作者在研究DataCastle的“猫狗大战”竞赛时，如何利用预训练的vgg_16模型进行动物识别。通过keras官方文档学习，调整模型参数，解决了读取空图的问题，并通过调整学习率和动量参数提高了模型性能。作者强调了模型调参的重要性，以及保存权重参数在深度学习中的价值，同时也指出在图像处理方面还有待加强。

摘要由CSDN通过智能技术生成

几个月前看到DataCastle的“猫狗大战”的竞赛的时候，想过要用CNN进行识别，毕竟这方面有很多参考的案例，然而当时正在研究其他算法，神经网络理解的也不是很精通，就没有去实现。一个月前，看到网站论坛里yinjh战队分享的源代码，并且取得了很高的成绩，就想着照着做做，当作学习。初步分析代码后，发现了一个很严重的问题，他们貌似没有用到训练集，这就有点吃惊了（这是神马黑科技？？？）。原来他们用了一种vgg_16的模型，而且已经有了训练好的权重（“vgg16_weights.h5”），对于日常物品可以直接进行识别。我当时的心情～～哈哈，很想知道竞赛组织者是怎么想的，辛辛苦苦准备的大赛竟然被一个已经训练好的模型完美吊打。不过以能跑的都是好鞍为原则，还是研究了下这个模型。

打开keras官方文档，发现卷积模块完全一样，再看看学习规则，也就是sgd的参数需要自己调，这个团队简直机智到家（目瞪口呆～）。跑了一遍代码，发现还是有问题的，cv2.imread读到空图，resize直接挂掉，因此需要甄别一下空图。改之后继续跑，顺利输出结果，截取前五十个提交，有成绩了。继续截取前两百个提交，成绩提升到0.98，还不错。接下来改sgd参数，先改lr（学习率初始值），调了很多次，不升反降，哈哈（都0.98了还咋升）。decay