基於深度學習的映像分類Image classification with deep learning常用模型_深度學習

本文中，我會根據下大家image classification常用的cnn模型，針對cifar10（for 物體識別），mnist（for 字元識別）& ImageNet（for 物體識別）做一個model 總結。

本文不講coding（coding請見Convolution Neural Network (CNN) 原理與實現篇） 本文不涉及公司內部資料，純公開資料匯總

好，本文就從資料集說起，對資料集不熟悉的小夥伴請先去瞭解下這3個資料集，下面我們針對每個資料集畫出其通用模型。

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

1. Cifar10

60000張32*32彩色圖，10類，每類5000張用於training，1000張用於testing，通常做object recognition／classification。

模型：（上面寫的數字是該層節點數）

2. Mnist

黑白圖，手寫體，60000training，10000testing，已做好croping，28*28，用作classification。

LeNet模型：

3. ImageNet

10w類，每類約1000張彩色圖的大規模資料集 ,需要註冊下載。從10年起每年都有imagenet的競賽，分為detection, classification & localization. 14年的比賽結果和方法見這裡。

3.1 2012 AlexNet

模型：

但是裡面細節我一直沒搞過，今天就任性了一把，把每一層列出來了大小及其對應操作。自認為看上去不如上圖清晰，但是會對每一步的操作有更加深入的瞭解。。。

此圖從下往上看，最下方是輸入data（注意上圖中224是錯的，這裡crop後的image實際上是227*227的）。

PS: crop 為將圖片進行四個邊界crop＋中心crop

每一層data格式（batch size, # feature map, height of feature, width of feature）

每一次convolution（conv）的格式（＃output feature，＃conv feature map，kernel height，kernel width）

這裡我們看到了最後fc8（第8層，fully connect）接的是LABEL，這是一個loss層，多類分類，採用softmax loss做為loss function。這是訓練時候最佳化參數定的，那測試的時候怎麼搞。

——

測試的時候，最後的特徵fc8接一層probability，傳回型別為softmax的機率，哪個最高結果就評定為哪一類。

如果做全域系統測評，可以再在後面加一層accuracy層，傳回型別為ACCURACY.

3.2 2014 GoogLeNet

2014 ImageNet classification & Detection的冠軍，22層網路。。。給跪了，感興趣的同學去看paper裡的結構吧，這裡我截圖截不下來了。。。

另外，給幾個參考：

1. 初學者玩玩：可以用線上ConvNet試一下

2. DIY Deep learning Architecture

3. 其實最好的reference還是paper ＋ code啦，上面的architecture可以參考caffe中example／imagenet的prototxt。

from: http://blog.csdn.net/abcjennifer/article/details/42493493