【创新实训3】Tensorflow学习与Gaze Model设计和训练

这周计划学习Tensorflow的一些知识并根据上次论文的研究构建视觉追踪的模型。

所以首先是对最基本的Tensorflow去构建模型的方法简单学习：

1.CNN基本模型

对于CNN的模型之前的理论基础知识已经有过学习，便不再展开讲解，只是讲一下基本结构：

卷积神经网络CNN的结构一般包含这几个层：

• 输入层：用于数据的输入
• 卷积层：使用卷积核进行特征提取和特征映射
• 激励层：由于卷积也是一种线性运算，因此需要增加非线性映射
• 池化层：进行下采样，对特征图稀疏处理，减少数据运算量。
• 全连接层：通常在CNN的尾部进行重新拟合，减少特征信息的损失
• 输出层：用于输出结果

当然中间还可以使用一些其他的功能层:

• 归一化层（Batch Normalization）：在CNN中对特征的归一化
• 切分层：对某些（图片）数据的进行分区域的单独学习
• 融合层：对独立进行特征学习的分支进行融合

对于基本的CNN之上，还有许多改进的模型

1.LeNet：

第一个成功用于手写字符识别的模型，卷积层自带激励函数
我们的视线追踪模型基本由LeNet改进，重点是在全链接层没有直接训练而是加入了头部角度h一起训练

2.其余的还有AlexNet，VGGNet，GoogleNet，ResNet等。就不再展开叙述了。

 

2.TensorFlow基本函数理解和实践

卷积层：

tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)

'''
input：输入是一个4维格式的（图像）数据，数据的 shape 由 data_format 决定：当 data_format
 为“NHWC”输入数据的shape表示为[batch, in_height, in_width, in_channels]，分别表示训练时一
个batch的图片数量、图片高度、 图片宽度、 图像通道数。当 data_format 为“NHWC”输入数据的shape表
示为[batch, in_channels， in_height, in_width]

filter：卷积核是一个4维格式的数据：shape表示为：[height,width,in_channels, out_channels]，
分别表示卷积核的高、宽、深度（与输入的in_channels应相同）、输出 feature map的个数（即卷积核的个
数）。

strides：表示步长：一个长度为4的一维列表，每个元素跟data_format互相对应，表示在data_format每一
维上的移动步长。当输入的默认格式为：“NHWC”，则 strides = [batch , in_height , in_width, 
in_channels]。其中 batch 和 in_channels 要求一定为1，即只能在一个样本的一个通道上的特征图上进
行移动，in_height , in_width表示卷积核在特征图的高度和宽度上移动的布长，即 
strideheightstrideheight 和 stridewidthstridewidth 。


padding：表示填充方式：“SAME”表示采用填充的方式，简单地理解为以0填充边缘，当stride为1时，输入和
输出的维度相同；“VALID”表示采用不填充的方式，多余地进行丢弃。


data_format：表示输入的格式，有两种分别为：“NHWC”和“NCHW”，默认为“NHWC”
'''

池化层： 

tf.nn.max_pool( value, ksize,strides,padding,data_format=’NHWC’,name=None) 


'''
value：表示池化的输入：一个4维格式的数据，数据的 shape 由 data_format 决定，默认情况下shape 为[batch, height, width, channels]

ksize：表示池化窗口的大小：一个长度为4的一维列表，一般为[1, height, width, 1]，因不想在batch和channels上做池化，则