1、
2、用别人的训练好的模型参数,再根据自己的业务训练,比一开始初始化训练效果要好。 迭代速度和迭代效果好。
3、Caffe model zoo 里面去下载VGG https://www.cnblogs.com/huty/p/8517964.html
4、resnet 残差网络
5、RCNN 先找框,再根据框进行分类 对每个框进行卷积 SVM进行分类
6、Fast RCNN 所有框只跑一次卷积神经网络,框映射一下,输出特征,添加到全连接层,再做回归分类。 softmax进行分类。
7、对比
8、Faster RCNN
自动生成框
9、数据增强
扩展数据源 翻倍
1>反转 角度
2>随机裁剪 平移
10、迁移学习 VGG
如果数据量比较小, 利用别人训练好的参数模型
只是微调自己想改变的类别个数。
把别人的参数冻起来。
11、model zoo caffe tensorflow也有训练好的模型
第一层是3*3的感受野, 第二层是5*5感受野, 层数越深,感受野越大。
三层卷积参数更少,但是非线性更强, 模型更好。 C个filter。
左边是深度残差网络,比VGG还强。
堆叠网络 3*3*3 = 7*7
pooling 压缩完,特征图再翻倍,达到更好的效果。