CNN车型分类总结

标签：

　　最近在做一个CNN车型分类的任务，首先先简要介绍一下这个任务。

　　总共30个类，训练集图片为车型图片，类似监控拍摄的车型图片，训练集测试集安6:4分，训练集有22302份数据，测试集有14893份数据。

　　首先使用的是VGGNet网络，

nn.Sequential {
[input -> (1) -> (2) -> (3) -> (4) -> (5) -> (6) -> (7) -> (8) -> (9) -> (10) -> (11) -> (12) -> (13) -> (14) -> (15) -> (16) -> (17) -> (18) -> (19) -> (20) -> (21) -> (22) -> (23) -> (24) -> (25) -> output]
(1): nn.DataLayer
(2): cudnn.SpatialConvolution(3 -> 64, 6x6, 2,2, 2,2)
(3): cudnn.ReLU
(4): cudnn.SpatialMaxPooling(2x2, 2,2)
(5): cudnn.SpatialConvolution(64 -> 128, 5x5, 2,2, 2,2)
(6): cudnn.ReLU
(7): cudnn.SpatialMaxPooling(2x2, 1,1)
(8): cudnn.SpatialConvolution(128 -> 256, 3x3, 2,2, 2,2)
(9): cudnn.ReLU
(10): cudnn.SpatialMaxPooling(2x2, 1,1)
(11): cudnn.SpatialConvolution(256 -> 512, 2x2)
(12): cudnn.ReLU
(13): cudnn.SpatialMaxPooling(2x2, 1,1)
(14): cudnn.SpatialConvolution(512 -> 512, 2x2)
(15): cudnn.ReLU
(16): cudnn.SpatialMaxPooling(2x2, 1,1)
(17): nn.View(12800)
(18): nn.Linear(12800 -> 4096)
(19): cudnn.ReLU
(20): nn.Dropout(0.500000)
(21): nn.Linear(4096 -> 4096)
(22): cudnn.ReLU
(23): nn.Dropout(0.500000)
(24): nn.Linear(4096 -> 30)
(25): nn.LogSoftMax
}

　　网络参数如上。五个卷积层，三个全连接层。

　　数据预处理：每个图片scale成3*150*150大小。

　　实验结果:十余小时90%的正确率。（据之前结果最高到92%）

　　微调:使用Imagenet训练处的DataLayer，十余小时正确率达92%。（据之前结果最高到97%）

　　注意（源代码中数据预处理与训练过程中有一点不匹配，会导致维度出错的bug，具体错误请自行调试）

　　然后使用了Residual Learning的方法，使用的模型是ResNet-50。Model详见：http://ethereon.github.io/netscope/#/gist/db945b393d40bfa26006

　　使用了之前用ImageNet训练好的ResNet-50的模型进行retrain,将最后的全连接2048-1000的Linear换成了2048-30的Linear。

　　训练结果：十余小时94%的TOP1正确率。

　　网络结构需参考： BatchNormalization论文。

　　ResNet-50网络所需内存达到4000MB左右，需要两个GPU同时运行才能跑。

　　结构中所采用的1*1卷积大大减少了网络的参数，首先1*1进行降维，3*3卷积后再使用1*1进行升维。每次维度变化都为4倍。

　　数据预处理：输入为3*224*224。

　　收敛速度曲线与论文中曲线类似：

CNN车型分类总结

标签：

原文地址：http://www.cnblogs.com/cyq041804/p/5761499.html