Alex实现图像分类:模型原理+训练+预测
- 图像分类或者检索任务在浏览器中的搜索操作、爬虫搜图中应用较广,本文主要通过Alex模型实现猫狗分类,并且将可以复用的开源模型在文章中给出!!!
- 数据集可以由此下载:Data
- 本文将从以下内容做出讲述:
- 1.模型简介及环境搭建
- 2.数据集准备
- 3.训练
- 4.预测
1. 模型简介及环境搭建
- 模型介绍:
AlexNet是由Alex Krizhevsky 提出的首个应用于图像分类的深层卷积神经网络,该网络在2012年ILSVRC(ImageNet Large Scale Visual Recognition Competition)图像分类竞赛中以15.3%的top-5测试错误率赢得第一名。也是在那年之后,更多的更深的神经网络被提出,比如优秀的vgg,GoogLeNet。 这对于传统的机器学习分类算法而言,已经相当的出色。网络结构如下
AlexNet
将LeNet
的思想发扬光大,把CNN
的基本原理应用到了很深很宽的网络中。AlexNet
主要使用到的新技术点如下: