6.基本卷积神经网络
(1)AlexNet
网络结构:
网络一共有8层可学习层—5层卷积层和3层全连接层。
改进:池化层均采用最大池化;选用ReLU替代Tan Sigmoid作为非线性环节激活函数;网络规模扩大,参数数量接近6000万;出现“多个卷积层+一个池化层”的结构;双GPU策略。
普遍规律:随网络深入,宽、高衰减,通道数增加。
(2)VGG-16
网络结构:
改进:网络规模进一步增大,参数数量约为1.38亿;由于各卷积层、池化层的超参数基本相同,整体结构呈现出规整的特点。
普遍规律:随网络深入,高和宽衰减,通道数增多。
(3)残差网络
为什么需要残差网络?
①非残差网络的缺陷:
②残差网络的优势:
③ 梯度消失问题:
构建残差网络:
①残差块:
②残差网络:
普通网络的基准模型受VGG网络的启发。
卷积层主要有3×3的过滤器,并遵循两个简单的设计规则:
1.对输出特征图的尺寸相同的各层,都有相同数量的过滤器;
2.如果特征图的大小减半,那么过滤器的数量就增加一倍,以保证每一层的时间复杂度相同。
ResNet模型比VGG网络更少的过滤器和更低的复杂性。ResNet具有34层的权重层,有36亿FLOPs,只是VGG-19(19.6亿FLOPs)的18%。
7.常用数据集
(1)MNIST
MNIST数据集主要由一些手写数字的图片和相应的标签组成,图片一共有10类,分别对应从0~9。
MNIST数据集是由0〜9手写数字图片和数字标签所组成的,由60000个训练样本和10000个测试样本组成,每个样本都是一张28*28像素的灰度手写数字图片。
Fashion-MNIST数据集:
FashionMNIST是一个替代MNIST手写数字集的图像数据集。它是由Zalando旗下的研究部门提供,涵盖了来自 10 种类别的共 7 万个不同商品的正面图片。
FashionMNIST的大小、格式和训练集/测试集划分与原始的MNIST完全一致。60000/10000的训练测试数据划分,28x28的灰度图片。你可以直接用它来测试你的机器学习和深度学习算法性能,且不需要改动任何的代码。
(2)CIFAR-10数据集
CIFAR-10数据集由10个类的60000个32x32彩色图像组成,每个类有6000个图像。有50000个训练图像和10000个测试图像。
数据集分为五个训练批次和一个测试批次,每个批次有10000个图像。测试批次包含来自每个类别的恰好1000个随机选择的图像。
(3)PASCAL VOC数据集
PASCAL的全称是Pattern Analysis,Statistical Modelling and Computational Learning,VOC的全称是Visual Object Classes。
是目标分类(识别)、检测、分割最常用的数据集之一。
该数据集一共分成20类:person,bird, cat, cow, dog, horse, sheep,aeroplane, bicycle, boat, bus, car, motorbike, train,bottle, chair, dining table, potted plant, sofa, tv/monitor
(4)MS COCO数据集
PASCAL的全称是Microsoft Common Objects in Context,起源于微软于2014年出资标注的Microsoft COCO数据集。
数据集以scene understanding为目标,主要从复杂的日常场景中截取,包含目标分类(识别)、检测、分割、语义标注等数据集。
(5)ImageNet数据集与ILSVRC
8.数据集与评价指标
(1)算法评估
相关概念:
TP:被正确地划分为正例的个数,即实际为正例且被分类器划分为正例的实例数。
FP:被错误地划分为正例的个数,即实际为负例但被分类器划分为正例的实例数。
FN:被错误地划分为负例的个数,即实际为正例但被分类器划分为负例的实例数。
TN:被正确地划分为负例的个数,即实际为负例且被分类器划分为负例的实例数。
P(精确率):TP/(TP+FP)
R(召回率): TP/(TP+FN)。召回率越高,准确度越低。
P-R曲线:
P-R的关系曲线图,表示了召回率和准确率之间的关系。精度(准确率)越高,召回率越低。
AP计算:
mAP:均值平均准确率
其中, N代表测试集中所有图片的个数,P(k)表示在能识别出k个图片的时候Precision的值,而
Δr(k)则表示识别图片个数从k-1变化到k时(通过调整阈值)Recall值的变化情况。