VGG16實現分類任務

VGG是2014年由牛津大學著名研究組VGG(Visual Geometry Group)提出，斬獲當年ImageNet競賽中定位任務第一名和分類任務第二名。

原理圖

原理簡述

例如有張224x224的RGB圖片，我們讓他通過兩個卷積核為3的卷積層，再通過最大池化層**（核尺寸為2，步距為2）**。至于卷積層的輸入輸出維度，參考下圖，我們一般常用VGG16模型，最終用多個FC實現分類，也可將FC換成卷積核為1的卷積層。

數據集

同樣選用本人常用的海賊王數據集來測試，可以根據個人需求修改。

下面提供一個簡單數據集。

Kaggle的鳥兒分類數據集，共315個分類

https://www.kaggle.com/gpiosenka/100-bird-species

可以用kaggle命令選擇下載

kaggle datasets download -d gpiosenka/100-bird-species

數據預處理

講圖片預resize為224x224的圖片，并進行隨機翻轉，可參考圖像增廣

https://www.quarkhackers.space/2021/10/15/%E5%9B%BE%E5%83%8F%E5%A2%9E%E5%B9%BF/

最終轉為Tensor，并進行歸一化處理。

參考代碼

transforms.Compose([transforms.RandomResizedCrop(224),transforms.RandomHorizontalFlip(),transforms.ToTensor(),transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

訓練結果

結果分析

在訓練過程，針對此數據集，VGG16的學習率不宜過高，過高會出現loss不收斂

在loss為0.01時結果如下

VGG網絡acc可達到百分之90以上，只是對于小數據集而言，模型過于繁重，可選用層數少的模型，并且在后面3層FC，可根據個人需求修改。

完整代碼鏈接

https://github.com/JiaZhengJingXianSheng/VGG16

總結

以上是生活随笔為你收集整理的VGG16实现分类任务的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。