一 为什么使用卷积
卷积参数少,一个原因是参数共享,另一个原因是稀疏连接。以便于我们用更小的参数训练它,预防过度拟合。
二 经典网络结构
1 LeNet-5
针对灰度图像训练的,其特点是一个或多个卷积层后面跟着一个池化层,然后一个或多个卷积层后面跟着一个池化层,最后跟全连接层,最后分类器输出。
2 AlexNet
3 VGG-16
三 残差网络
1 远跳连接
通常下网络越深,训练的效率随之降低。残差网络很好地解决了这个问题。
四 1*1卷积网络
改变信道数量时,可以采用这种方式。
Inception网络
由网络自行确定相应参数
五 如何使用Github
找到你感兴趣的算法,在谷歌上搜索,点击链接进入github,点击复制URL链接,在你的aconda prompt中输入 git clone +链接 下载到硬盘上。然后输入cd +路径 ,cd prototxt
六 数据增强
1 图像的镜像翻转 ,图像随即剪裁
2 图像的色彩变幻