用 VGG 网络来作画（基于TensorFlow）

最新推荐文章于 2022-09-04 20:42:34 发布
置顶 最新推荐文章于 2022-09-04 20:42:34 发布
阅读量9.2k 收藏 3
点赞数
分类专栏： Machine Learning 文章标签： Machine Learning 深度学习 TensorFlow VGG
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/willduan1/article/details/54580594
版权
本文介绍了VGG网络的基本结构和特点，并通过一个实践项目展示了如何利用TensorFlow和VGG网络将一张照片转化为水墨画风格。项目依赖包括TensorFlow、Pillow、SciPy和NumPy库。通过1000次迭代，将蒙娜丽莎图像转化为水墨画，随着迭代次数增加，预期效果会更佳。
摘要由CSDN通过智能技术生成

VGG网络是由牛津的一个视觉组提出的，在2014年的ILSVR比赛中夺得来世界冠军。该网络在卷积部分使用来很小的卷积单元（3x3），显著得提高了网络的深度。VGG网络的基本结构如下图所示：


另外VGG网络还提供了五种深度不同的网络结构，如下图所示，编号从A～E，网络深度逐渐增加，另外可以看出参数个数增长不是很大。


好了，关于VGG网络的基本介绍就是这些。

下面开始实践。本项目使用的是Github上面的开源项目。具体的参考下面的参考文献。

所需要的环境是：

TensorFlow

Pillow

SciPy

NumPy

此外，还需要下载好VGG的网络，存放在本项目的首层目录下面。

接下来需要下载项目:


                

        

        

    

  


        

            

                    
                      最低0.47元/天 解锁文章
                        
                    
            

        

    

      

        

            

              
                
                  __William__
                
              
            

            

                关注
              
            

        

        

          
      

      

            

                专栏目录
          









                



	

		

			

				
					
VGG16网络模型

				
			

			

				

					python内置函数set()
				

				

					06-04
					
					769
					
				

			

		

		

			
				
他提出了卷积神经网络的深度增加和小卷积核的使用对网络的最终分类识别效果有很大的作用。后两个网络对卷积核的开刀的优化方法也证明了这一观点。
在论文的实验中，证明了在大规模图像识别任务中卷积神经网络的深度对准确率的影响。主要的贡献是利用带有很小卷积核（3*3）的网络结构对逐渐加深的网络进行评估，结果表明通过加深网络深度至16-19层可以极大地改进前人的网络结构。网络结构如下

网络参数设置
输入为的经过去均值处理的224x224大小的RGB图片。
卷积核大小均是3x3，步长为1（stride = 1）Paddi

			
		

	



                

              
                



	

		

			

				
					
VGG网络结构图

				
			

			

				

					liming_2464的博客
				

				

					12-25
					
					2057
					
				

			

		

		

			
				
参考博客：https://blog.csdn.net/OOFelvis/article/details/90738469.



			
		

	



                


  
              

                


	

		

			

				
					
VGG-16模型图

				
			

			

				

					qq_36135484的博客
				

				

					03-17
					
					3482
					
				

			

		

		

			
				
来自吴恩达老师卷积神经网络课程——经典网络 和VGG-16模型图





（吴恩达老师的课太棒了，我落泪）



另外一张模型图是某大佬根据上面的另一个链接画的流程图，太棒了（找不到大佬博客地址直接搬来了orz，侵删）：








...

			
		

	





	

		

			

				
					
VGG网络结构分析

					
热门推荐

				
			

			

				

					Double_V的博客
				

				

					01-17
					
					4万+
					
				

			

		

		

			
				
一：VGG详解

本节主要对VGG网络结构做一个详细的解读，并针对它所在Alexnet上做出的改动做详解的分析。 
首先，附上一张VGG的网络结构图：

 
由上图所知，VGG一共有五段卷积，每段卷积之后紧接着最大池化层，作者一共实验了6种网络结构。分别是VGG-11，VGG-13,VGG-16,VGG-19，网络的输入是224*224大小的图像，输出是图像分类结果（本文只针对网络在图像分类任务上

			
		

	



		

			
		



	

		

			

				
					
【pytorch】实现VGGNet 对照网络结构图手动编写

				
			

			

				

					种一棵树最好的时间是十年前，其次是现在
				

				

					04-04
					
					1235
					
				

			

		

		

			
				
VGGNet最常见的VGG16，其特点是，除最后一层，每经过一个池化层，其特征图尺寸减半，通道加深一倍。其结构图为：

pytorch的代码为：
# This is a sample Python script.
import os.path
from typing import Iterator
import numpy as np
import torch
import cv2
from PIL import Image
from torch.utils.data import Dataset,Data

			
		

	





	

		

			

				
					
基于tensorflow-vgg16和Caffe 到 Tensorflow的 VGG 16 和 VGG 19 的 Tensorf

				
			

			

				

					01-15
				

			

		

		

			
				
修改了tensorflow-vgg16的实现以使用 numpy 加载而不是默认的 tensorflow 模型加载，以加速初始化并减少整体内存使用。此实现可以进一步修改网络，例如删除 FC 层或增加批处理大小。

			
		

	





	

		

			

				
					
基于tensorflow深度学习VGG-19图像风格迁移+自动去噪（MNIST数据集）机器学习+人工智能+神经网络

				
			

			

				

					05-25
				

			

		

		

			
				
1.项目基于 MNIST 数据集，使用 VGG-19 网络模型，将图像进行风格迁移，实现去噪功能。 2.项目运行环境：Python 和 TensorFlow 运行环境。需要 Python 3.6 及以上配置，使用conda安装环境 conda create -n ...

			
		

	





	

		

			

				
					
VGG_tensorflow:通过tensorflow为您自己的VGG模型图像数据

				
			

			

				

					05-11
				

			

		

		

			
				
然后，你需要了解如何定义模型的输入层、卷积层、池化层和全连接层，以及如何使用TensorFlow的`tf.layers` API或`tf.contrib.layers` API来构建这些层。此外，你还会看到如何使用`tf.train`模块中的优化器（如Adam或...

			
		

	





	

		

			

				
					
基于tensorflow的vgg16和vgg19网络.zip

					
最新发布

				
			

			

				

					03-30
				

			

		

		

			
				
本压缩包“基于tensorflow的vgg16和vgg19网络.zip”包含了关于使用TensorFlow实现VGG16和VGG19网络的相关资源。VGG网络是由英国牛津大学视觉几何组（Visual Geometry Group）提出的，在2014年的ImageNet挑战赛中取得...

			
		

	





	

		

			

				
					
CIFAR10-VGG19-Tensorflow

				
			

			

				

					05-16
				

			

		

		

			
				
在Tensorflow中使用VGG19在CIFAR-10上转移学习 该存储库显示了转移学习的简单步骤。 特别是，选择了CIFAR-10数据集，并使用VGG19模型进行训练。 该模型是经过预训练的，并从借用。 我可以获得的最佳准确性约为91％。...

			
		

	





	

		

			

				
					
【论文作图】使用PlotNeuralNet绘制卷积神经网络——以VGG-F为例

				
			

			

				

					qq_40876059的博客
				

				

					04-27
					
					1万+
					
				

			

		

		

			
				
【论文作图】使用PlotNeuralNet绘制卷积神经网络——以VGG-F为例

			
		

	





	

		

			

				
					
经典卷积神经网络---VGG16网络

				
			

			

				

					weixin_47166887的博客
				

				

					05-27
					
					3583
					
				

			

		

		

			
				
VGG16网络结构及代码
下图为VGG网络结构图，最常用的就是表中的D结构，16层结构（13层卷积+3层全连接层），卷积的stride为1，padding为1，maxpool的大小为2，stride为2（池化只改变图像的大小，不改变特征矩阵的深度）

vgg网络结构可以看作两部分：特征提取网络（连接层之前）+分类网络（3层全连接层）

...

			
		

	





	

		

			

				
					
VGG11、VGG13、VGG16、VGG19网络结构图

				
			

			

				

					weixin_43917574的博客
				

				

					02-08
					
					1万+
					
				

			

		

		

			
				
VGG11、VGG13、VGG16、VGG19网络结构图

			
		

	





	

		

			

				
					
深度学习图像处理之VGG网络模型 (超级详细)

				
			

			

				

					BIgHAo1的博客
				

				

					11-02
					
					2万+
					
				

			

		

		

			
				
VGG介绍:

由牛津大学著名研究所VGG提出，斩获该年ImageNet竞赛中Localization Task（定位任务）第一名和Classification Task（分类任务）第二名。



VGG网络的配置：（VGG-16是许多模型中的主干网络）

               



在原论文中，作者给了6个VGG网络的不同配置，并且尝试了不同的深度（11、13、16、19层）以及是否采用LRN等。在实际使用过程中，我们一般都会采用D这个配置，...

			
		

	





	

		

			

				
					
画出卷积神经网络结构图[转载]

				
			

			

				

					徐海蛟
				

				

					02-02
					
					3万+
					
				

			

		

		

			
				
徐海蛟教学





使用Keras框架（后端可选tensorflow或者theano），可以画出卷积神经网络的结构图帮助我们理解或确认自己创立的模型。问题的关键在于使用from
 keras.utils.visualize_util import plot中的plot函数。
但是直接使用会提示缺少pydot。
首先安装sudo pip3 install pydot以及sudo


			
		

	





	

		

			

				
					
卷积神经网络算法流程图,卷积神经网络图怎么画

				
			

			

				

					神器榜
				

				

					09-04
					
					2584
					
				

			

		

		

			
				
这张图就是局部连接，可以看到上一层只有3个单元和下一层连接（这张图的流程是从下到上，所以我说的上一层是最底层，下一层是按照箭头方向的上边那层）。卷积神经网络的连接性：卷积神经网络中卷积层间的连接被称为稀疏连接（sparseconnection），即相比于前馈神经网络中的全连接，卷积层中的神经元仅与其相邻层的部分，而非全部神经元相连。卷积神经网络的稀疏连接具有正则化的效果，提高了网络结构的稳定性和泛化能力，避免过度拟合，同时，稀疏连接减少了权重参数的总量，有利于神经网络的快速学习，和在计算时减少内存开销。

			
		

	





	

		

			

				
					
深度学习（3）VGGNet 神经网络结构

				
			

			

				

					weixin_42535423的博客
				

				

					12-25
					
					4122
					
				

			

		

		

			
				
深度学习（3）结构简介
结构简介
VGGNet是2014年 ILSVRC 亚军模型，top-5 错误率 7.3% ，vgg继承了lenet以及alexnet的一些框架，有22层，利用multi-scale data training，但参数量只有AlexNet的1/12，参数总量7M。

...

			
		

	





	

		

			

				
					
【深度学习】全面理解VGG16模型

				
			

			

				

					florrie
				

				

					06-18
					
					3万+
					
				

			

		

		

			
				
全面理解VGG16模型VGG16的结构层次介绍结构图VGG16模型所需要的内存容量介绍卷积中的基本概念1.从input到conv1：2.从conv1到conv2之间的过渡：3.conv2到conv3：4.进入conv3：5.从conv3到conv4之间的过渡：6.最后到三层全连接FC层结论
VGG16的结构层次
vgg16总共有16层，13个卷积层和3个全连接层，第一次经过64个卷积核的两次卷积后...

			
		

	





	

		

			

				
					
经典网络架构学习-VGG

				
			

			

				

					一璐有你的专栏
				

				

					07-14
					
					4220
					
				

			

		

		

			
				
本篇博文将介绍一下在ImageNet 2014 年斩获目标定位竞赛的第一名，图像分类竞赛的第二名的网络结构VGG。VGG 是 Visual Geometry Group 的缩写，是这个网络创建者的队名，作者来自牛津大学.VGG论文《Very Deep Convolutional Networks for Large-Scale Image Recognition》作为一篇会议论文在2015年的ICLR大会上发表Visual Geometry Group实验室链接：https://www.robots.ox.

			
		

	





	

		

			

				
					
PaddlePaddle与Tensorflow实战：详解VGG经典CNN网络结构

				
			

			

				

					
				

			

		

		

			
				
在VGG的实践中，比如使用Tensorflow或PaddlePaddle这样的深度学习框架实现VGG，开发者需要注意网络的初始化、优化器的选择以及如何调整学习率等因素，以确保模型的训练效果。此外，为了加快训练速度和提升模型性能，...

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		
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