计算机视觉--笔记--图像分类--网络进化史

目录

第四讲 图像分类 image  classification  

研究和竞赛中最传统的问题

网络进化：

alexNEt  VGG GoogleNet  ResNet

卷积神经网络  

Alex Net：

VGG Net

GoogleNet

inception v1：

inception V2

inception V3

inception V4

ResNet 残差网络

 

resNeXt网络：

CNN设计准则：

---

sift  专利 cv里面没有编译

第四讲 图像分类 image  classification   研究和竞赛中最传统的问题 CNN起家的问题 1. 图片分类 2. 竞赛 3. 卷积神经网络 4. 应用案例：超深残差神经网络 Resnet 50层

1. 图片分类： 属于某一类？ 打标签 输出5个 top-5 错误率 ：只要5个预测中有一个命中，就算对了   top-1 error： 只预测1个。   top5 error用的更多

2. 竞赛   ImageNet Larger Scale Visual Recognition Challenge 多个任务     图像分类：          1000个类别         训练集（12M），验证集 50k， 测试集 150k  http://image-net.org/challenges/LSVRC/2016/index imageNet数据集    根据wordNet组织的图片集 100 000+ 个词、词组（synsets） 8000+ 名词 场景分类（大概说一下）： 背景  室内室外 自然场景  MIT places2数据集（10M+,分类400+），365场景分类，  训练集（8M），验证集（36K），测试集（328K） 物体检测（object detectoin  R_CNN）： 基本上与训练的CNNmodel都指的是ImageNet。基础网络，预训练模型 是其他模型的初始化网络 物体定位（instance level）： 场景解析(scene parsing)：

网络进化：

alexNEt  VGG GoogleNet  ResNet 深度： 8  19  22  152 VGG ResNet 结构 简洁有效    性能很好 已修改 迁移到其他任务 高层任务的基础网络 性能竞争 网络： GoogleNet ： inception v1 --v4 split-transform-merge   ResNet:   ResNet 152       ResNeXt 深度 宽度 基数（三个维度）

性能进化史 v4  带了直连思想

卷积神经网络   激活函数： 非线性 sigmoid  (深度模型不太好用，) relu 分段线性，没有饱和（resnet可以成功训练出来的重要原因，解决梯度消失的问题）   卷积： 卷积 步长大于1   有降低维度  增加非线性 卷积降维 ()步长大于1）  步长为1的话相当于没有降维

池化： 最终输出标签，1*1000  池化  特征融合，尺寸降维，不降通道一定相邻区域 特征 融合 多通道 每个层 各做各的 平均池化 最大化池化（） 超参： 尺寸 步长 计算类别（平均池化  最大池化）

全连接： 作用 推理器，去除空间信息 抹掉空间信息 和基础圣经网络一样的 前面的卷积层 提取特征 层数越多，语义层数更高 全局感受野，卷积核的尺寸可以认为和输入图片一样

工程trick： 图像像素中心化：    RGB减去各自通道的均值 防止过拟合： 数据增强x10：  256x256 提取中心和四角 224x224 自图片x5，  水平翻转  x2 dropout： 训练中，随机让一些神经元 输出设为0，失活率 0.5

Alex Net： image-net 2012 竞赛第一,标志着 DNN深度学习革