文件名称:颜色分类leetcode-VGG-cifar:用于图像分类的VGG网络的TensorFlow实现
文件大小:7.21MB
文件格式:ZIP
更新时间:2024-07-26 16:20:35
系统开源
颜色分类leetcode 用于图像分类的 VGG19-FCN 的 TensorFlow 实现。 该存储库包含使用预训练模型进行自然图像分类的示例,以及在数据集上从头开始训练类似 VGG19 的网络(测试集准确率为 91.81%)。 CIFAR-10 上的预训练模型可以从 下载。 要求 Python 3.3+ 实施细则 VGG 网络在 中定义。 使用预训练模型的图像分类示例在 . 在 CIFAR-10 上从头开始训练网络的示例在 . 用于测试预训练模型 最后三个全连接层被转换为卷积层,使其成为一个全卷积网络。 然后输入图像可以是任意大小的。 用于获取所有测试图像的类分数的固定大小。 图像被重新缩放,使得最小边等于 224,然后再输入模型,以降低计算复杂度并保持较高的分类性能,因为对于过大的图像,相关部分的响应可能被非相关部分的响应平均通过全局平均池化的图像。 用于在 CIFAR-10 上从头开始训练 卷积层部分与 VGG19 相同。 全连接层被实现为滤波器大小为 1 的卷积层。 由于 CIFAR-10 包含比 ImageNet 更少的训练集和类,因此在输出线性层之前使用了由 1024 个
【文件预览】:
VGG-cifar-master
----.gitignore(1KB)
----data()
--------IMG_7940.JPG(2.69MB)
--------000000000724.jpg(127KB)
--------imageNetLabel.txt(31KB)
--------ILSVRC2017_test_00000004.jpg(64KB)
--------000000000285.jpg(328KB)
--------000000001584.jpg(135KB)
--------ILSVRC2017_test_00000014.jpg(33KB)
--------000000003845.jpg(160KB)
--------ILSVRC2017_test_00000005.jpg(75KB)
--------IMG_4379.jpg(1.09MB)
--------000000032081.jpg(143KB)
--------result.txt(4KB)
----src()
--------nets()
--------__init__.py(0B)
--------models()
--------utils()
--------helper()
--------dataflow()
----fig()
--------2.png(923KB)
--------pretrained.png(700KB)
--------1.png(783KB)
--------train_lc.png(19KB)
--------valid_lc.png(21KB)
----examples()
--------loader.py(3KB)
--------vgg_cifar.py(3KB)
--------vgg_pretrained.py(2KB)
----README.md(8KB)