TensorFlow： 第6章 图片识别与CNN
实战Google深度学习框架 笔记-第6章 图片识别 与 CNN
介绍 CNN 在图片识别的应用 和 CNN 基本原理 以及 如何使用 TensorFlow 来实现 CNN .
1. 图像识别介绍与经典数据集
视觉是人类认识世界非常重要的一种知觉.
经典数据集
CIFAR 数据集是一个影响力很大的图像分类数据集, 是图像词典项目（Visual Dictionary） (7) 中800万张图片的一个子集， 都是 32×32的彩色图片, 由Alex Krizhevsky教授、Vinod Nair博士和Geoffrey Hinton教授整理的.
CIFAR-10 问题收集了来自 10个 不同种类的 60000张图片, Cifar-10中的图片大小都是固定的且每一张图片中仅包含一个种类的实体
ImageNet 是为了更加贴近真实环境下的图像识别问题，基于 WordNet， 由斯坦福大学（Stanford University）的李飞飞（Feifei Li）带头整理的ImageNet很大程度地解决了这两个问题。 ILSVRC2012 包含来自 1000 个类别 120万 张图片.
2. CNN 介绍与常用结构
这部分内容详见 Convolutional Neural Networks
3. 经典 CNN 模型
- LeNet-5
- Inception
- ResNet
3.1 LeNet-5 模型
该网络 1980s 提出，主要针对灰度图像训练的，用于识别手写数字。
3.2 Inception-v3 模型
4. CNN 迁移学习
4.1 迁移学习介绍
Reference
- 知乎：《TensorFlow：实战Google深度学习框架》笔记、代码及勘误-第6章 图像识别与卷积神经网络-1
- 7天时间读书 Tensorflow 实战 Google 深度学习框架
- MNIST识别自己手写的数字–进阶篇（CNN）
Checking if Disqus is accessible...