基于tensorflow + Vgg16进行图像分类识别的实验

图像分类识别目前已经得到了很大的飞跃，特别是15年微软提出的resnet已经超越人类，能够对图像中的物体进行更好的识别。

为了初步了解一下图像分类识别的过程，学习了一下大牛的主页，发现还是很有意思的。而且从imagenet的角度来说，这个经度还是可以接受的。

本实验主要参照了这个网页https://www.cs.toronto.edu/~frossard/post/vgg16/来进行。

VGG is a convolutional neural network modelproposed by K. Simonyan and A. Zisserman from the University of Oxford in thepaper “Very Deep Convolutional Networks for Large-Scale Image Recognition”  . The model achieves 92.7% top-5 testaccuracy in ImageNet  ,
which is adataset of over 14 million images belonging to 1000 classes.

vgg-16是一种深度卷积神经网络模型，16表示其深度，是alexnet后比较有代表性的深度模型之一，在图像分类等任务中取得了不错的效果。

为了更好地理解Vgg 16的原理，利用tensorflow进行了实践，发现利用预先训练好的模型，识别的速度非常之快。大约2秒钟就能出现结果。

（1）　实验一，对枪的检测实验







分类识别效果比例非常高，可以。

（2）小拼图的测试





检测效果也比较强，第一个出来就是。

（3）老虎的检测





对老虎的检测，也非常不错。

（4）多场景的检测





这里面居然把高山，教堂，城堡，山谷等都识别出来了，效果非常不错，虽然各种精度不高，但是类别是齐全的。