begin-end

1. 自己写的网络，直接3分类，效果不好，正确率：0.475806452
2. finetuning别人的网络，直接3分类，效果不好，正确率：
3. Alex网络caffemodel + libSVM： 47.58%
4. Alex网络caffemodel + MLP：
5. Alex网络finetuning（450000） + libSVM (4分类，代表空加原本3类, 交叉验证5折求得最佳C，g，分类利用RBF核函数):
（c=512.0, g=0.0001220703125） POINT: 65 过拟合嫌疑
（c=32.0, g=0.0078125） POINT: 61
300个train data，124 个test data
6.
6. VGG16网络finetuning + libSVM (4分类，代表空加原本3类):
效果并不好。
7. VGG16网络finetuning +batch normalization（VGG2——1 300000） + libSVM (4分类，代表空加原本3类, 交叉验证5折求得最佳C，g，分类利用RBF核函数):
（c=512.0, g=0.0001220703125） POINT: 65
300个train data，124 个test data

---

EMMA
SIAT
最后更新时间：2017.03.29