问题标签 [imagenet]

我是 imagenet 和 ILSVRC 数据集的新手。

在我之前的研究中，我经常使用 k-fold 验证来避免过度拟合，但是对于 ILSVRC 数据集，train、val、test 数据集似乎已经被分割了。

但我没有找到任何解释他们如何拆分数据集的文件。

这个问题有没有网站或论文？

谢谢！

我正在评估VGG_16 SLIM Tensorflow 花卉框架（ImageNet 数据集）上的训练模型

我的数据是 uint8 (0,255) 范围内的 RGB。在预处理阶段，框架沿 0 均值对齐数据并将其转换为 float32 格式。我看到在训练时 logits 似乎是一个非常大的值，这使我的 softmax 饱和，如下所示

我尝试的一种解决方案是将绝对 logits 减去 max value，但这并没有解决问题，因为这些 logits 的范围似乎不寻常。

有人可以指出我正确的方向。?

有谷歌提供的在tensorflow中实现resnet的预训练模型吗？我环顾四周，还没有找到任何东西。

https://github.com/tensorflow/models/tree/master/official/resnet

我已经成功地从头开始在自定义 200 个类上训练了 inception v3 模型。现在我的输出目录中有 ckpt 文件。如何使用这些模型进行推理？

最好将模型加载到 GPU 上，并在模型保留在 GPU 上时随时传递图像。使用 TensorFlow 服务对我来说不是一个选项。

注意：我尝试冻结这些模型，但在冻结时未能正确放置 output_nodes。已使用ImagenetV3/Predictions/Softmax但不能与 feed_dict 一起使用，因为我无法从冻结模型中获得所需的张量。

TF 站点和 repo 上关于此推理部分的文档很差。

在CheXNet论文中的密集网络模型的实现中，在第 3.1 节中提到：

在将图像输入网络之前，我们将图像缩小到 224x224，并根据 ImageNet 训练集中图像的均值和标准偏差进行归一化。

1. 为什么我们要使用不同数据集的均值和标准对新的图像集进行归一化？
2. 我们如何获得 ImageNet 数据集的均值和标准差？它在某处提供吗？

我正在尝试在 svhn 数据集上运行 VGG16 模型进行数字检测

http://ufldl.stanford.edu/housenumbers/train_32x32.mat

但是，预测的值总是相同的。我试图用 -

1. 从 0-255 缩放到 0-1

2. 从每个图像中减去平均值

3. 除以标准

这是我运行它的方式：

初始化 VGG16：

可以像这样读取和预处理训练数据：

下面是我用来预处理 train_data 的两个函数：

输出 ：

运行多个时期没有帮助。我尝试了 5 个时代。

当我检查输出或预测时，它会为所有输入显示相同的结果，例如（使用 np.argmax(pred, axis=-1) 转换）：

请在我的模型中标记问题。

如何微调 ResNet50 Keras 以仅将图像分类为 2 个类别（猫与狗）而不是所有 1000 个 imagenet 类别？我使用 Python 并且能够使用 ResNet50 和 keras 对 1000 个 ImageNet 类的随机图像进行分类。现在我想微调我的代码，使它只使用 Kaggle 图像而不是 ImageNet 对猫和狗进行分类。我该怎么做呢？

在task2.py，我正在执行一个这样的python文件：

new_image.py外观的基本线条

我已经classify_image.py在 tensorflow 模型 imagenet 中进行了修改，以便run_inference_on_image()返回一个列表。我现在想在task2.py. 我将如何做到这一点？

需要启动一个对象检测项目。任何人都可以建议具有更好准确性和速度的更好的框架。我已经阅读了有关 imagenet、resnet、mobilenet、yolo、tensorflow 和 dlib 功能的信息。任何人都可以对它们进行比较并提出更好的选择。

我想制作自己的 imagenet 自定义数据集，从 1000 个类中提取 20 个类。我能够将其转换为 TFRecords 格式，但我想要一个 keras 友好的版本，因为 keras 对我来说更灵活。