没有合适的资源?快使用搜索试试~ 我知道了~
基于卷积神经网络VGG16模型花卉分类与手势识别.docx基于卷积神经网络VGG16模型花卉分类与手势识别_.docx
需积分: 5 0 下载量 133 浏览量
2024-05-23
12:18:51
上传
评论
收藏 1.6MB DOCX 举报
温馨提示
试读
11页
基于卷积神经网络VGG16模型花卉分类与手势识别.docx基于卷积神经网络VGG16模型花卉分类与手势识别_
资源推荐
资源详情
资源评论
总结报告
目 录
1. 模型基本框架...................................................................................................1
2. 数据预处理.......................................................................................................3
2.1 数据采集..................................................................................................3
2.2 数据处理..................................................................................................3
2.2.1 参数处理.......................................................................................3
2.2.2 数据中间处理...............................................................................3
3. 特征提取与分类...............................................................................................4
3. 1 分层卷积特征提取过程.........................................................................4
3. 2 分类模型设计.........................................................................................5
4. 实验结果展示与分析.......................................................................................5
4.1 石头剪刀布结果展示与分析..................................................................5
4.2 花卉分类识别结果展示与分析..............................................................6
4.3 现场测试结果(第三组测试数据)......................................................9
5. 项目研发启示.................................................................................................10
总结报告
- 1 -
1. 模型基本框架
此次课程设计我所用的模型是深度学习里面的 VGG16 卷积神经网络模型,在
模型训练过程中,所用的贯序式模型,就是一层层链接,最后得到输出层。在之
前的中期报告中,对于两个题目我分别用的是肤色检测和 CNN 模型,但是,在之
后的程序设计当中,我发现对于两者所训练的结果准确率不高,并且分类效果不
明显。所以我选用深度学习里面的 VGG16 作为模型。
从下面两个图可以看出,VGG16 共有 16 个层,这也是 VGG16 名称的由来,
是一个相当深的卷积神经网络。VGG 各种级别的结构都采用了 5 段卷积,每一段
有一个或多个卷积层。同时每一段的尾部都接着一个最大池化层来缩小图片尺寸。
每一段内的卷积核数量一致,越靠后的卷积核数量越多 64-128-256-512-512。
经常出现多个完全一样的卷积层堆叠在一起的情况。16 的卷积网络是 stride=1,
kernel size=3,padding=1 的卷积,池化层则使用的是最大池化层,stride=2,
kernel size=2。
总结报告
- 2 -
白色部分为卷积层,红色部分为池化层(使用最大池化),蓝色部分为全连
接层,其中卷积层和全连接层的激活函数都使用 relu。vgg16 总共有 16 层,13
个卷积层和 3 个全连接层,第一次经过 64 个卷积核的两次卷积后,采用一次
pooling,第二次经过两次 128 个卷积核卷积后,再采用 pooling,再重复两次
三个 512 个卷积核卷积后,再 pooling,最后经过三次全连接。下面就是 VGG16
的模型结构解释。
1、一张原始图片被 resize 到(224,224,3)。
2、conv1 两次[3,3]卷积网络,输出的特征层为 64,输出为(224,224,64),再 2X2
最大池化,输出 net 为(112,112,64)。
3、conv2 两次[3,3]卷积网络,输出的特征层为 128,输出 net 为(112,112,128),
再 2X2 最大池化,输出 net 为(56,56,128)。
4、conv3 三次[3,3]卷积网络,输出的特征层为 256,输出 net 为(56,56,256),再 2X2
最大池化,输出 net 为(28,28,256)。
5、conv3 三次[3,3]卷积网络,输出的特征层为 256,输出 net 为(28,28,512),再 2X2
最大池化,输出 net 为(14,14,512)。
6、conv3 三次[3,3]卷积网络,输出的特征层为 256,输出 net 为(14,14,512),再 2X2
最大池化,输出 net 为(7,7,512)。
7、利用卷积的方式模拟全连接层,效果等同,输出 net 为(1,1,4096)。共进行两
剩余10页未读,继续阅读
资源评论
华为OD面试指南
- 粉丝: 132
- 资源: 165
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功