004Tensorflow实现cifar10图像分类任务

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
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值