个人认为,相对于MNIST和CIFAR-10来说,ImageNet实例或许是caffe中最具有学习价值的实例。通过该实例的学习,你可以用caffe在自己的数据集上搭建自己的模型。当然,如果你没有那么多的时间和精力去重新训练一个ImageNet网络,只是想要一个训练好的现成的模型,那么你也可以去官网上的model zoo部分找到你所要的。caffe 中打包好了几个训练好的BVLC模型,你可以‘开箱即用’。caffe中的BVLC模型有以下四类:
1.BVLC Reference CaffeNet
该模型是在ILSVRC 2012 数据集上训练的AlexNet,来源于Krizhevsky 等人在NIPS 2012上的论文 ImageNet classification with deep convolutional neural networks中的实验,不过caffe中的模型与论文中的模型略有不同。(由 Jeff Donahue 训练)
2.BVLC AlexNet
在ILSVRC 2012 数据集上训练的AlexNet,该模型与1中所述模型的不同点在于,它几乎与论文中描述的模型一模一样。(由Evan Shelhamer训练)
3.BVLC Reference R-CNN ILSVRC-2013
按照Girshick等人在CVPR 2014所述,纯粹用caffe实现的R-CNN模型。(由Ross Girshick训练)
4.BVLC GoogLeNet
GoogLeNet模型,按照Szegedy等人在ILSVRC 2014中的文章Going Deeper with Convolutions 中的模型所训练得到的。(由Sergio Guadarrama 训练)
上面这些模型你可以在python或matlab中直接调用。
caffe学习笔记(三)ImageNet实例
最新推荐文章于 2023-04-15 12:55:22 发布