keras 人工智能之VGGNet神经网络的图片识别训练

发布时间:2023年12月25日

上期文章我们分享了如何使用LetNet体系结构来搭建一个图片识别的神经网络:

人工智能Keras的第一个图像分类器(CNN卷积神经网络的图片识别)

本期我们基于VGGNet神经网络来进行图片的识别,且增加图片的识别种类,当然你也可以增加更多的种类,本期代码跟往期代码有很大的相识处,可以参考

VGGNet基础

VGG16结构图

  1. 输入是大小为224*224的RGB图像,预处理(preprocession)时计算出三个通道的平均值,在每个像素上减去平均值
  2. 图像经过一系列卷积层处理,在卷积层中使用了非常小的3*3卷积核,在有些卷积层里则使用了1*1的卷积核。
  3. 卷积层步长(stride)设置为1个像素,3*3卷积层的填充(padding)设置为1个像素。池化层采用max pooling,共有5层,在一部分卷积层后,max-pooling的窗口是2*2,步长设置为2。
  4. 卷积层之后是三个全连接层(fully-
文章来源:https://blog.csdn.net/weixin_44782294/article/details/135206055
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。