資訊專欄INFORMATION COLUMN
摘要：昨天，谷歌宣布開放，這是一個在中定義訓練和評估模型的輕量軟件包，同時它還能對圖像分類領(lǐng)域中的數(shù)個有競爭力的網(wǎng)絡(luò)進行檢驗與模型定義。今天，谷歌再次宣布開放，一個在圖像分類基準上取得頂尖準確率的卷積神經(jīng)網(wǎng)絡(luò)。
昨天，谷歌宣布開放 TF-Slim，這是一個在 TensorFlow 中定義、訓練、和評估模型的輕量軟件包，同時它還能對圖像分類領(lǐng)域中的數(shù)個有競爭力的網(wǎng)絡(luò)進行檢驗與模型定義。今天，谷歌再次宣布開放 Inception-ResNet-v2，一個在 ILSVRC 圖像分類基準上取得頂尖準確率的卷積神經(jīng)網(wǎng)絡(luò)。文中提到的論文可點擊「閱讀原文」進行下載。
為了在該領(lǐng)域取得更多進展，今天我們非常高興的宣布開放 Inception-ResNet-v2，這是一個在 ILSVRC 圖像分類基準上取得頂尖準確率的卷積神經(jīng)網(wǎng)絡(luò)。Inception-ResNet-v2 是早期發(fā)布的 Inception V3 模型的變體，該模型借鑒了微軟 ResNet 論文中的思路。具體內(nèi)容可在我們的論文：Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning 中看到。
殘差連接（Residual connections ）允許模型中進行 shortcut，也使得研究員能成功的訓練更深的神經(jīng)網(wǎng)絡(luò)從而產(chǎn)生更好的性能。這也使得 Inception 塊的極度簡單化成為可能。下圖對比了這兩個模型架構(gòu)：
Inception V3 圖解
Inception-ResNet-v2 的圖解
在第二張圖解的頂端，你可以看到全部的網(wǎng)絡(luò)拓展，可以注意到該網(wǎng)絡(luò)比之前的 Inception V3 要深得多。主圖的下面是更簡單閱讀同一網(wǎng)絡(luò)版本的方式，里面重復的殘差塊是被壓縮了。注意，里面的 Inception 塊被簡化的，比先前的 Inception V3 包含更少的并行塔 （parallel towers）。
Inception-ResNet-v2 架構(gòu)比之前的前沿模型更加準確。下表報告了在基于單類圖像的 ILSVRC 2012 圖像分類基準上的 Top-1 和 Top-5 的準確度檢驗結(jié)果。此外，該新模型相比于 Inception V3 大約只需要兩倍的存儲和計算能力。
結(jié)果援引于 ResNet 論文
舉個例子，Inception V3 和 Inception-ResNet-v2 模型在識別犬種上都很擅長，但新模型做的更好。例如，舊模型錯誤報告右圖中的狗是阿拉斯加雪橇犬，而新的 Inception-ResNet-v2 模型準確識別了兩張圖片中的狗的種類。
阿拉斯加雪橇犬（左），西伯利亞愛斯基摩狗（右）
為了讓人們能立即進行試驗，我們也發(fā)布了 Inception-ResNet-v2 模型的一個預訓練案例作為 TF-Slim 圖像模型庫的一部分。
如果想進行試驗，這是如何訓練、評估或微調(diào)網(wǎng)絡(luò)的指導：https://github.com/tensorflow/models/blob/master/slim/README.md
歡迎加入本站公開興趣群商業(yè)智能與數(shù)據(jù)分析群
興趣范圍包括各種讓數(shù)據(jù)產(chǎn)生價值的辦法，實際應用案例分享與討論，分析工具，ETL工具，數(shù)據(jù)倉庫，數(shù)據(jù)挖掘工具，報表系統(tǒng)等全方位知識
QQ群：81035754
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://www.ezyhdfw.cn/yun/4407.html
早期成果卷積神經(jīng)網(wǎng)絡(luò)是各種深度神經(jīng)網(wǎng)絡(luò)中應用最廣泛的一種，在機器視覺的很多問題上都取得了當前較好的效果，另外它在自然語言處理，計算機圖形學等領(lǐng)域也有成功的應用。第一個真正意義上的卷積神經(jīng)網(wǎng)絡(luò)由LeCun在1989年提出[1]，后來進行了改進，它被用于手寫字符的識別，是當前各種深度卷積神經(jīng)網(wǎng)絡(luò)的鼻祖。接下來我們介紹LeCun在早期提出的3種卷積網(wǎng)絡(luò)結(jié)構(gòu)。?文獻[1]的網(wǎng)絡(luò)由卷積層和全連接層構(gòu)成，網(wǎng)絡(luò)...
摘要：我們在已經(jīng)準備好的圖像數(shù)據(jù)集上，使用庫訓練一個卷積神經(jīng)網(wǎng)絡(luò)。示例包含用于測試卷積神經(jīng)網(wǎng)絡(luò)的圖像。訓練，繪制準確性損耗函數(shù)，然后將卷積神經(jīng)網(wǎng)絡(luò)和類標簽二進制文件序列化到磁盤。第和行將訓練集和測試集按照的比例進行分割。 showImg(https://segmentfault.com/img/bV9lqk?w=698&h=698); 為了讓文章不那么枯燥，我構(gòu)建了一個精靈圖鑒數(shù)據(jù)集（Pok...
閱讀 3662·2021-11-25 09:43
閱讀 3195·2021-10-08 10:04
閱讀 1699·2019-08-26 12:20
閱讀 2127·2019-08-26 12:09
閱讀 684·2019-08-23 18:25
閱讀 3641·2019-08-23 17:54
閱讀 2417·2019-08-23 17:50
閱讀 873·2019-08-23 14:33
