|
介绍
vgg和googlenet是2014年imagenet竞赛的双雄,这两类模型结构有一个共同特点是Go deeper。跟googlenet不同的是,vgg继承了lenet以及alexnet的一些框架,尤其是跟alexnet框架非常像,vgg也是5个group的卷积、2层fc图像特征、一层fc分类特征,可以看做和alexnet一样总共8个part。根据前5个卷积group,每个group中的不同配置,vgg论文中给出了A~E这五种配置,卷积层数从8到16递增。从论文中可以看到从8到16随着卷积层的一步步加深,貌似通过加深卷积层数也已经到达准确率提升的瓶颈了。后面的有一些论文针对卷积层输入的前处理(例如batch normalization)和输出的后处理(例如prelu)做了研究。再进一步的提升方向会是什么呢?这个值得大家去深入思考。
目录
VGG-19
VGG_ILSVRC_19_layers_deploy.prototxt
VGG_ILSVRC_19_layers.caffemodel
VGG19_test.sh
top5_test.txt
top1_test.txt
VGG-16
vgg_time.log
VGG_test.prototxt
VGG_ILSVRC_16_layers_deploy.prototxt
VGG_ILSVRC_16_layers.caffemodel
VGG16_test.sh
test_top5_16layers_20150909.txt
test_top1_16layers_20150909.txt
下载地址
回复可查看课程下载链接&提取码
学豆不足请充值:充值 开通VIP全站课程免学豆下载:开通VIP QQ:2659147209
|
|