文章目录
cifar10图像分类任务
图像分类是指我们给定一张图片,卷积神经网对其进行特征提取,然后对提取出来的特征对图片进行类别的判定。
- cifar-10数据集包含10小类,60000个32*32的彩色图像,有50000个训练图像和10000个测试图像
- cifar-100数据集包含100小类,每小类包含600个图像,其中有500个训练图像和100个测试图像,100类被分组为20个大类,每个图像带有1个小类的“fine”标签和一个大类的“coarse”标签(粗粒度标签和细粒度标签,比如说有个类别定义成dog,将dog看成大粒度的一个划分,再进行更加细粒度的划分,比如说这是哪种的dog,哈士奇or金毛)
如何优化cifar10图像分类任务
- 更多的数据增强策略,如:mixup等
- 更好的主干网络结构,如SENet等
- 更好的标签策略,如Soft-Label等
- 更好的loss设计,如,采用分类+回归smooth-l1 loss等
- 不同的优化器,参数初始化方法等