17 | 图像分类（上）：图像分类原理与图像分类模型
荧光笔
直线
曲线- 深入了解
- 翻译
- 解释
- 总结
本文介绍了图像分类的原理和模型，包括感知机和全连接层的结构，以及卷积神经网络的作用和重要性。文章详细介绍了VGG、GoogLeNet和ResNet等经典神经网络的突破点和重要性。通过对ImageNet的评选情况和经典网络结构的学习，读者可以快速抓住重点，深入了解图像分类的理论知识和实践应用。文章强调了掌握这些网络结构对深度学习未来的重要性，为读者提供了思考题，鼓励交流互动。整体而言，本文通过理论知识和实例展示，深入浅出地介绍了图像分类的原理和模型，对于想要深入了解图像分类的读者来说，是一篇很有价值的文章。
《PyTorch 深度学习实战》，新⼈⾸单¥59
全部留言(17)
- 最新
- 精选
Hit黎明分明🎩老师 文中提到了TOP-5错误率 我在文章中也看到过 不过一直不理解是什么意思，想请教您作者回复: hello，ImageNet一共1000个类别，所以模型对每张图片都会有1000个概率。 Top-1错误率是指如果预测的1000个概率中最大的概率对应的类别是正确的类别，那么就算模型预测正确。 Top-5错误率是指如果预测的1000个概率中前5大概率对应的类别包含正确的类别，那么就算模型预测正确。
2021-12-058
李雄老师关于VGG，GoogLeNet，以及ResNet的讲解简洁明了，尤其是ResNet的讲解，喜欢。作者回复: hello，感谢你的认可^^。很高兴能与你一起学习进步。
2021-11-275
官NLP领域的话就是transformer,bert作者回复: ^^ 👍🏻👍🏻
2021-11-204- 坚持GoogLeNet网络结构明细表解析如下： 0、输入 原始输入图像为224x224x3，且都进行了零均值化的预处理操作（图像每个像素减去均值）。 1、第一层（卷积层） 使用7x7的卷积核（滑动步长2，padding为3），64通道，输出为112x112x64，卷积后进行ReLU操作 经过3x3的max pooling（步长为2），输出为((112 - 3+1)/2)+1=56，即56x56x64，再进行ReLU操作 2、第二层（卷积层） 使用3x3的卷积核（滑动步长为1，padding为1），192通道，输出为56x56x192，卷积后进行ReLU操作 经过3x3的max pooling（步长为2），输出为((56 - 3+1)/2)+1=28，即28x28x192，再进行ReLU操作 -----------------问题-------------- 请问老师，输入通道是RGB 3个通道是吧，那第一层的输入64个通道，第二层的输出192个通道，中间的这些通道和输入通道之间是什么样的关系？这64和192在网络中怎么理解
作者回复: 你好，坚持，感谢你的留言。 输入是RGB3个通道的特征图， 第一层（卷积层）有64个通道（这里说的不是很严谨，写成卷积核更好，我稍后改一下），也就是有64个卷积核，每个卷积核有三个通道。 这样与输入特征进行卷积之后，输出的特征图就有64个通道了。 第二层卷积层，有192个卷积核，每个卷积核有64个通道，与第一层卷积层输出的特征图进行卷积后，就会生成一个192个通道的特征图。
2022-04-2722 
志翔(Mike)1x1卷积会降维 不明白 老师可以讲一下吗？谢谢作者回复: 你好，Mike，感谢你的留言。 首先这里的维度是指特征的通道数。 举个例子， 降维就是输入特征图从3个通道降低为1个通道。升维则相反。 当输入特征有1个通道，输出特征也有一个通道的时候，1x1卷积就没有意义，因为就相当于乘了一个常数。 当输入特征有大于1个通道的时候，1x1就相当于对同一个位置上的像素在不同通道上做线性组合，从而控制特征的通道数，完成升维和降维
2022-04-242- Matthew因为全连接层中的神经元的个数是固定的，所以说在有全连接层的网络中，输入图片是必须固定尺寸的。 老师，这句话没明白。比如文中是2个神经元，那么输入图片可以是128*128，也可以是256*256，只要在神经元里设置对应数量的参数就可以了吧？
作者回复: 当用128x128进行训练时，2个神经元的输入是a个特征。 预测的时候也必须用128x128进行预测，因为128x128的输入，经过特征提取进入全连接层前的特征数是a。 如果预测时，使用的是256x256进行预测，进入全连接层前的特征数是b，这样全连接层就会报错。 如果网络的最后不采用全连接而采用全卷积的话，就不会出现这个问题。
2023-03-05归属地：江苏 - qifeng.wang请问一下老师，输入 X 转换成 x1,x2,x3 .......xn 小 x1 是指的什么？我理解 X 是指一个三轴的三维数组。
作者回复: 你好，感谢你的留言。小x就是输入X中的元素。如果X是RGB图片的话，X是一个三轴的数组。
2022-09-01归属地：北京 
你自信点会死啊老师好，我想问下接受任意尺度输入那里，最后输出的一层卷积的输出是一定要n个特征图，然后每个特征图求全局平均，因为全连接层的输入特征个数是n？是这个意思吗？作者回复: 你好，感谢你的留言。 恩，是这样的。^^
2021-12-022
F我只知道实验室他们在弄啥胶囊模型作者回复: ^^ 👍🏻👍🏻，加油
2021-11-24
悠闲不自得YOLOV4作者回复: 👍🏻👍🏻^^
2021-11-20