20210207 加载训练好的神经网络模型 数据增强

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。