深度学习流行网络与数据集
2017-04-09 21:36
246 查看
一. 常用网络
深度学习相关的几个比较著名的网络,AlexNet、VGG、GoogleNet、ResNet。
从整体趋势来看,准确度越来越高,同时网络层数也越来越多,可以认为网络结构的复杂性带来效果的提高,而模型参数的数量并非越多越好,合适就好,参数数量太多可能会一定程度上导致过拟合问题。
二. 常用数据集
常用的数据训练集如下:
大家可以根据自己的需要设计网络,也可以考虑在现有成熟网络的基础上做一些修改,当然也需要标注大量的数据,靠谱的做法是开发个自动标注工具,收集训练样本!
下载地址:
MNIST:
http://yann.lecun.com/exdb/mnist/index.html
ImageNet:
http://www.image-net.org/about-stats
COCO:
http://mscoco.org/
VOC:
http://host.robots.ox.ac.uk/pascal/VOC/voc2012/index.html
CIFAR:
http://www.cs.toronto.edu/~kriz/cifar.html
三. 其他数据集
其他数据集可以参考作者之前的总结:
机器学习实践
- 车辆检测
深度学习相关的几个比较著名的网络,AlexNet、VGG、GoogleNet、ResNet。
模型 | AlexNet | VGG | GoogleNet | ResNet |
时间 | 2012 | 2014 | 2014 | 2015 |
层数 | 8 | 19 | 22 | 152 |
Top-5错误率 | 15.3% | 7.3% | 6.66% | 3.57% |
卷积层数 | 5 | 16 | 21 | 151 |
模型参数 | 60M | 500M | 7M | 25M |
二. 常用数据集
常用的数据训练集如下:
数据集 | MNIST | Imagenet | COCO | PASCAL VOC2012 | CIFAR-10 CIFAR-100 |
内容 | 手写体分类 | | 目标检测、分割和图像语义 | 目标检测、图像分类 | 图像分类 |
大小 | 12MB | 总1400多万张 已标注100万张约1TB | 30多万张 40GB | 2GB | 50,000个训练图像 170MB |
类别划分 | 10 | 全类别 | 80种目标 | 20 | 10 |
下载地址:
MNIST:
http://yann.lecun.com/exdb/mnist/index.html
ImageNet:
http://www.image-net.org/about-stats
COCO:
http://mscoco.org/
VOC:
http://host.robots.ox.ac.uk/pascal/VOC/voc2012/index.html
CIFAR:
http://www.cs.toronto.edu/~kriz/cifar.html
三. 其他数据集
其他数据集可以参考作者之前的总结:
机器学习实践
- 车辆检测
相关文章推荐
- 深度学习与计算机视觉系列(7)_神经网络数据预处理,正则化与损失函数
- 深度学习与计算机视觉系列(7)_神经网络数据预处理,正则化与损失函数
- 深度学习与计算机视觉系列(7)_神经网络数据预处理,正则化与损失函数
- Caffe深度学习入门—— caffenet 微调网络 训练自己的数据并测试训练的模型
- 斯坦福大学深度学习公开课cs231n学习笔记(7)神经网络防止数据过拟合:损失函数和正则化
- 深度学习与计算机视觉系列(7)_神经网络数据预处理,正则化与损失函数
- 深度学习小白——神经网络3(数据预处理,dropout,正则化)
- 神经网络与深度学习 自制MNIST测试数据供神经网络测试
- 【计算机视觉】【神经网络与深度学习】YOLO v2 detection训练自己的数据2
- Matlab图像识别/检索系列(7)-10行代码完成深度学习网络之取中间层数据作为特征
- 【神经网络与深度学习】Caffe使用step by step:使用自己数据对已经训练好的模型进行finetuning
- 深度学习-CAFFE利用CIFAR10网络模型训练自己的图像数据获得模型-3结合caffe中的CIFAR10修改相关配置文件并训练
- 深度学习Caffe实战笔记(6)Windows caffe平台用Siamese网络跑自己的数据
- 数据分析、数据挖掘、机器学习、神经网络、深度学习和人工智能概念区别(入门级别)
- 深度学习 vs. 大数据:神经网络权值的版权属于谁?
- 【神经网络与深度学习】如何将别人训练好的model用到自己的数据上
- 深度学习-CAFFE利用CIFAR10网络模型训练自己的图像数据获得模型-1.制作自己的数据集
- 深度学习-CAFFE利用CIFAR10网络模型训练自己的图像数据获得模型-2生成图像库的均值文件
- 教你用深度学习LSTM网络预测流行音乐趋势(附代码)
- 目前流行的深度学习网络框架