视觉核心项目物体检测实战Day1

视觉核心项目物体检测实战

神经网络

整体架构

层次结构

全连接

非线性

激活函数引入非线性

卷积神经网络

整体架构

输入层

卷积层

卷积核大小33，卷积核有两个，
因为有RGB三个通道，每组卷积核有三个
最终输出为33*2，卷积核中的权重是可以更新的，更新权重，寻找的目标在发生变化

池化层

基于经典网络架构训练图像分类模型

RES-NET

增加残差模块，至少不比原来差，能够增加网络的深度

model_name='resnet'#可选的比较多['resnet','alexnet','vgg','squeezenet']

BN:batchnorm
标准化x-u/σ，使数据分布更加集中，模型能够更好的学习
每一层数据的分布是不同的，因此每一层都要进行标准化操作

优化器设置

Adam

optimizer_ft=optim.Adam(params_to_update,lr=le-2)#需要指定训练的参数

动量
下一次学习时，学习一些上次学习的知识

paper with code