【文件属性】：
文件名称：SceneRecognize:人工智能挑战者
文件大小：9KB
文件格式：ZIP
更新时间：2021-05-15 10:01:34
ai challenger scene-classification Python
SceneRecognize
: 对80个场景进行分类
模型实现
使用TensorFlow 的slim模块实现网络的基础结构。
构建深度残差网络。
模型特点
模型设计主要参考了VGG16和Inception-ResNet-V2的结果，并有所改进。
在制作TFRecord时，将输入数据尺寸统一为299x299x3
将激活函数变为Leaky relu 增加模型非线性能力。
加入BN层，可选择去掉dropout，增加模型稳定性，减少参数量
使用Global Pooling层替换传统的全连接dense层。
使用核为1x1的Conv2D替换全连接层。
调整网络深度，以适应当前数据集
设计原则
对于相同的尺寸的输出特征图谱，每层必须含有相同数量的过滤器
如果特征图谱的尺寸减半，则过滤器的数量必须翻倍，以保持每层的时间复杂度
直接通过卷积层（stride=2）进行下采样，网络末端以全局的均值池化层结束
【文件预览】：
SceneRecognize-master
----.gitignore(14B)
----README.md(2KB)
----makeTFRecord.py(2KB)
----.idea()
--------SceneRecognize.iml(466B)
--------workspace.xml(11KB)
--------vcs.xml(180B)
--------misc.xml(301B)
--------modules.xml(280B)
----DeepNet.py(12KB)