【狗狗分类项目】（1）VGG16、VGG19、ResNet50、InceptionV3、Xception选择

最新推荐文章于 2025-03-19 11:06:16 发布
最新推荐文章于 2025-03-19 11:06:16 发布
阅读量1w 收藏
点赞数 3
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41770169/article/details/80525888
版权
本文对比了VGG16、VGG19、ResNet50、InceptionV3和Xception五种预训练模型在迁移学习任务中的表现，并重点分析了它们的默认输入尺寸及测试准确率。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1、keras中的application介绍

中文keras文档地址：http://keras-cn.readthedocs.io/en/latest/other/application/

主要有7个application：

本文主要对前5个进行比较分析。

 

2、VGG16、VGG19、ResNet50、InceptionV3、Xception5种模型，迁移学习后的测试准确率对比

（1）VGG16

VGG16默认输入图片：224*224

 

（2）VGG19

VGG19默认输入图片：224*224

 

（3）ResNet50

ResNet50默认输入图片：224*224

 

keras中模型：

bottleneck：

 

（4）Inception

Inception默认输入图片：299*299

 

keras中模型：

 

bottleneck:

 

（5）Xception

Xception默认输入图片：299*299

 

keras中模型：

 

bottleneck:

 

3个bottleneck提取函数：

 

可以发现，ResNet50, Xception, InceptionV3这三个模型准确率都达到80%以上，因此决定采用这三种中的2种或3种联合特征进行检测。

 

参考文章：

1、VGG16 2、VGG19 3、ResNet50 4、Inception V3 5、Xception介绍——迁移学习

DogBreed_gluon

实战 迁移学习 VGG19、ResNet50、InceptionV3 实践 猫狗大战 问题
pengdali的专栏
01-13 2万+
一、实践流程 1、数据预处理 主要是对训练数据进行随机偏移、转动等变换图像处理，这样可以尽可能让训练数据多样化 另外处理数据方式采用分批无序读取的形式，避免了数据按目录排序训练 #数据准备 def DataGen(self, dir_path, img_row, img_col, batch_size, is_train): if is_train:
【总结】keras下，利用VGG16和resnet50预训练模型，完成多类别动物图片分类任务（下）
ZZU_chenhao的博客
07-29 3014
多类别动物图片分类任务（下） 在最后，我们将在之前完成模型的基础上，利用模型微调，来进一步提高val_acc。 查看ResNet50的模型结构 想要进行模型微调，前提自然是知道我们可以调整那些层，关于这一点，我们可以利用summary函数来实现。 代码实现 model.summary() 模型层次 Layer (type) Output Shape ...
基于Keras预训练模型VGG16、ResNet50、InceptionV3，使用Python的HTTP框架Flask搭建图像识
01-07
基于Keras预训练模型VGG16、ResNet50、InceptionV3，使用Python的HTTP框架Flask搭建图像识别接口
VGG16模型：图像处理深度学习的象征
最新发布
weixin_42181686的博客
03-19 803
在深度学习的众多模型中，VGG16模型因其简单而强大的网络结构在图像处理领域赢得了广泛的关注。自2014年由Karen Simonyan和Andrew Zisserman提出以来，VGG16模型成为了学术界和工业界的基准，并在多个视觉识别挑战赛中取得了领先地位。VGG16模型的显著特点在于其序列化的重复使用卷积核大小为3x3的卷积层和2x2的池化层，从而构建了一个深层的网络结构。特征提取是机器学习中一个核心步骤，它涉及到从原始数据中提取有助于任务执行的有用信息。
手把手带你从0完成医疗行业影像图像检测三大经典模型InceptionV3-RestNet50-VGG16（附python源代码及数据库）——改变世界经典人工智能项目实战（一）手把手教学迁移学习
小胡说人工智能的博客
03-29 1152
如果你想使用现在最火的ChatGPT来训练属于你的专属ChatGPT模型，那你千万不能错过这篇文章。迁移学习是机器学习领域中的一种重要方法，它通过利用先前的学习经验来提高当前任务的性能。本文通过3个经典的模型：InceptionV3-RestNet50-VGG16作为示例，为大家从0开始搭建了医疗影像行业迁移学习网络，并获取到了较好的准确度与结果一致性。而掌握好迁移学习的基础知识和应用，你就能通过**模型微调（也称迁移学习）**，调用ChatGPT接口加上你的训练集去训练你的模型了。
CNN常用模型 5 ResNet50、6 Xception
qq_35732321的博客
03-03 515
CNN 常用模型5 ResNet506 Xception 5 ResNet50 from keras import layers from keras.layers import Input from keras.layers import Dense,Conv2D,MaxPooling2D,ZeroPadding2D,AveragePooling2D from keras.layers import Activation,BatchNormalization,Flatten from keras.mode
【机器学习】CNN模型：AlexNet、VGG16、GoogLeNet（InceptionV3）、ResNet50、Xception
weixin_37985288的博客
07-08 4760
http://www.mamicode.com/info-detail-2275810.html 【搬运】 图像分类的传统流程涉及两个模块：特征提取（特征能捕捉到各个类别间的区别（特征有一定的代表性），常用的传统特征包括GIST, HOG, SIFT, LBP等。）和分类（SVM，LR，随机森林及决策树等。）。 AlexNet https://www.cnblogs.com/wangguchang...
计算机视觉主干模型VGG16、MobileNetV2、ResNet50 pytorch版
qq_35732321的博客
08-27 3563
MobileNetV2在MobileNetV1的基础上，增加Inverted resblock模块儿。Inverted体现在对输入首先利用1x1卷积进行升维，然后利用3x3深度可分离卷积进行特征提取，然后再利用1x1卷积降维。resblock体现在输入和上一步输出相加。2 . VGG16代码。......
解决利用keras的InceptionV3、ResNet50模型做迁移学习训练集和验证集的准确率相差很大的问题
zjn-ai的博客
01-12 1万+
kaggle的人类蛋白图谱图像分类的比赛告一段落了，终于有时间闲下来写写这一路走来填的坑了。 keras的版本是2.2.4 有没有小伙伴遇到过用keras的InceptionV3、ResNet50等含有BN层的模型做迁移学习训练集和验证集结果相差很大的问题，例如下面这样： Epoch 1/20 1500/1500 [==============================] - 24s...
【总结】keras下，利用VGG16和resnet50预训练模型，完成多类别动物图片分类任务（上）
ZZU_chenhao的博客
07-29 4243
多类别动物图片分类任务（上） 在学习了大约2周的机器学习和深度学习的基础知识，并跑了十多个模型之后，老师给我布置了一项真正的任务，利用已经收集到的图片信息，构建并训练模型，一期目标使得精度达到84%，二期目标使得精度达到90%。 一开始并没有认识到，真正的实际数据会和demo中最后的结果差距如此之大，使得自己消沉了一段时间，不过经过将近15天的努力，总算是完成了任务，亦有所收获。 故，在此把我这段...
deep learning模型包含VGG16/VGG19/RESNET50 python源代码
03-23
deep learning经典模型的搭建，包括vgg16，vgg19，resnet50，都使用python源代码，并有详细注释，可以显示模型结构，适合初学者入门了解
手动搭建的VGG16网络结构训练数据和使用ResNet50微调（迁移学习）训练数据对比（图像预测+前端页面显示）
Keep_Trying_Go的博客
04-05 7796
文章目录1.VGG16训练结果：2.微调ResNet50之后的训练结果：3.结果分析：4.实验效果：（1）VGG16模型预测的结果：（2）在ResNet50微调之后预测的效果：5.相关代码和知识点：（1）VGG16网络结构：（2） VGG16特征提取：（3）有关微调和迁移学习：（4）代码下载：（5）文件的结构：6.训练VGG16模型和微调之后的ResNet50模型：（1）下载requirements.txt文件和创建新环境：（2）训练VGG16：（3）训练resent50模型：（4）运行Flask.py文件
神经网络学习小记录24——卷积神经网络经典模型及其改进点汇总
Bubbliiiing的学习小课堂
10-30 8756
神经网络学习小记录24——卷积神经网络经典模型及其改进点汇总学习前言经典神经网络的改进点经典神经网络的结构汇总1、VGG162、ResNet503、InceptionV34、Xception5、MobileNet 学习前言 学了好多好多的网络，它们的重点都是什么呢？ 经典神经网络的改进点 名称 改进点 VGG16 1、使用非常多的3*3卷积串联，利用小卷积代替大卷积，该操作使得其...
神经网络学习小记录59——Pytorch搭建常见分类网络平台（VGG16、MobileNetV2、ResNet50）
热门推荐
Bubbliiiing的学习小课堂
08-23 2万+
神经网络学习小记录55——Pytorch搭建常见分类网络平台（VGG16、MobileNetV2、ResNet50）学习前言源码下载分类网络的常见形式分类网络介绍1、VGG16网络介绍2、MobilenetV2网络介绍3、ResNet50网络介绍a、什么是残差网络b、什么是ResNet50模型分类网络的训练1、LOSS介绍2、利用分类网络进行训练 学习前言 才发现做了这么多的博客和视频，居然从来没有系统地做过分类网络，做一个科学的分类网络，对身体好。 源码下载 https://github.com/bub
使用VGGNet、ResNet、Inception和Xception分类图像
XerCis的博客
03-21 3835
一、简介 VGGNet 2014年。该网络使用3×3卷积核的卷积层堆叠并交替最大池化层，有两个4096维的全连接层，然后是softmax分类器。16和19分别代表网络中权重层的数量。 ResNet 2015年。该网络使用残差模块来组成更复杂的网络（网络中的网络），使用标准随机梯度下降法训练。与VGG相比，ResNet更深，但是由于使用全局平均池操作而不是全连接密集层，所以模型的尺寸更小。 Inc...
深度学习之基于VGG16与ResNet50实现鸟类识别
starlet_kiss的博客
08-17 6453
鸟类识别在之前做过，但是效果特别差。而且ResNet50的效果直接差到爆炸，这次利用VGG16与ResNet50的官方模型进行鸟类识别。 1.导入库 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt import os,pathlib,PIL from tensorflow.keras import layers,models,Sequential,Input,Model from tensorflow.ke
人脸表情识别系统（VGG_16和Xception模型）配置GPU加速，Fer2013数据集和CK+数据集，tensorboard
Jason_312的博客
06-17 4090
表情识别系统设计与开发
VGG16、MobileNet、ResNet50
Harrytsz的博客
11-16 7919
神经网络学习小记录61——Tensorflow2 搭建常见分类网络平台（VGG16、MobileNet、ResNet50） 学习前言源码下载分类网络的常见形式分类网络介绍1、VGG16网络介绍2、MobilenetV1网络介绍3、ResNet50网络介绍a、什么是残差网络b、什么是ResNet50模型 分类网络的训练1、LOSS介绍2、利用分类网络进行训练a、数据集的准备b、数据集的处理c、开始网络训练 学习前言 tf2的分类代码也要做一下。 源码下载 https://g
1、VGG16 2、VGG19 3、ResNet50 4、Inception V3 5、Xception介绍——迁移学习
05-18
都可以用于图像识别任务，其中VGG16和VGG19是由Visual Geometry Group团队开发的模型，ResNet50是由微软亚洲研究院的研究员开发的模型，Inception V3是由Google的研究员开发的模型，Xception是Inception V3的改进版...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值