- 博客(5)
- 收藏
- 关注
RSS订阅原创 DenseNet：比ResNet更优的CNN模型
前言在计算机视觉领域， 卷积神经网络已经成为最主流的方法， 比如GoogleNet, VGG-19, Incepetion等模型。CNN史上的一个里程碑事件是ResNet模型的出现， ResNet可以训练出更深的CNN模型，从而实现更高的准确度。ResNet模型的核心是通过建立前面层与后面层之间的‘短路连接’， 这样有助于训练过程中梯度的反向传播，从而能训练出更深的CNN网络。DenseNet网络的思想基本与ResNet一致，但是它建立的是前面所有层与后面层的密集连接。DenseNet的另一大特色是通过特
2020-06-13 00:31:31
514
原创 .npy文件格式
深度学习–迁移学习在使用训练好的模型时，其中有一种保存的模型文件格式叫.npy。打开方式·实现代码：import numpy as nptest=np.load('./bvlc_alexnet.npy',encoding = "latin1") #加载文件doc = open('1.txt', 'a') #打开一个存储文件，并依次写入print(test, file=doc) #将打印内容写入文件中模型文件(.npy)刨析：import numpy as npfrom numpy
2020-06-10 13:22:05
4967
原创 VGG分类模型的分析与总结
论文名称为：“Very Deep Convolutional Networks For Large-Scale Image Recognition”随着超大规模图像数据集如imageNet,和高性能计算机系统如GPUs和大规模分布式集群产生，基于卷积神经网络的图像分类，定位与检测越来越强大。先前的AlexNet网络受限于当时的GPU等计算机系统性能的影响而无法训练更深更大的网络，使得分类正确率不高。在VGG模型中，基本沿用了AlexNet模型架构， 但是比alexnet更深， 且使用了神经网络的集成
2020-06-07 11:57:20
2331
原创 VGG16和VGG19的理解
VGG卷积神经网络是由牛津大学在2014年提出来的模型，当这个模型被提出来时， 由于它的简洁性和实用性，马上成为了当时最流行的卷进神经网络模型。它在图像分类和目标检测任务中都表现出非常好的效果。它主要的贡献是展示出网络的深度是算法优良性的关键部分。VGG16的网络结构非常一致，从头到尾全部使用的使用的是3x3的卷积核2x2的pooling.VGG不好的一点是它耗费更多的计算资源， 并且使用了更多的参数，导致更多的内存占用。其中绝大多数的参数都是来自于第一个全连接层。目前使用比较多的网络结构主要有Res
2020-06-07 00:34:37
10196
原创 关于tensorflow的官方格式TFrecords
tfrecords文件生成与读取tfrecords的文件生成（存储）tfreocrds数据将原始图像数据和标签数据以二进制格式存储。存储内容以如下形式存储：```pythonexample = tf.train.Example(features = tf.train.Feayures(feature = {‘label’:tf.train.Feature(int64_list = tf.train.Int64List(value = [label])),‘width’:tf.train.Feat
2020-06-05 00:36:26
186
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人