---
tags: 分類模型
---
# Classification

# AlexNet
2012年ImageNet競賽中，以超越上一屆冠軍五個百分點的優異成績展露頭角，且遠遠超過當年的第二名。
## 案例1
- [TensorFlow-Multiclass-Image-Classification-using-CNN-s](https://github.com/MuhammedBuyukkinaci/TensorFlow-Multiclass-Image-Classification-using-CNN-s)
>This is a repository containing datasets of 5200 training images of 4 classes and 1267 testing images. No problematic image.
>train_data_bi.npy is containing 5200 training photos with labels.
>test_data_bi.npy is containing 1267 testing photos with labels.
>Classes are chair & kitchen & knife & saucepan. Classes are equal(1300 glass - 1300 kitchen - 1300 knife- 1300 saucepan) on training data.

作者提供的成效，有87%
- 心得分享：
實際在研發雲測試過此程式，可以work!
但比較麻煩的是，若要改成自己的圖片，要先轉換成npy檔案
npy格式調整有點麻煩＋AlexNet不夠深 >>> 未採用
(作者已經先打包圖片)
- 實用度：:star::star:

# VGG
VGGNet在2014年 ILSVRC 的分類比賽中拿到了第二名(第一名是等等要介紹的InceptionNet)，其實VGGNet跟AlexNet之間並沒有什麼太大的差異，只是將網路的深度變深，進而得到更好的結果，我一樣用開源dataset oxflower17 來實行VGG16Net，因為VGG16的深度變深，相對的，VGG的參數就會是AlexNet的好幾倍，訓練時間也會相對的較長。

VGG卷積層之後是3個全連接層。網絡的通道數從較小的64開始，然後每經過一個下采樣或者池化層成倍地增加，當然特征圖大小成倍地減小。最終其在ImageNet上的Top-5準確度為92.3%。
## 案例1
- [tensorflow_vgg_classify](https://github.com/stephen-v/tensorflow_vgg_classify)

## 案例2
- [tensorflow-vgg16-train-and-test](https://github.com/ppplinday/tensorflow-vgg16-train-and-test)

# Resnet
## 案例1
- [Keras 以 ResNet-50 預訓練模型建立狗與貓辨識程式](https://blog.gtwang.org/programming/keras-resnet-50-pre-trained-model-build-dogs-cats-image-classification-system/)
- 心得分享:
(1)對於這個題目來說，使用預訓練的網絡是最好不過的了，經過前期的測試，我們可以使用測試了ResNet50。使用預訓練的網路，等於你課金先100等，別人還在新手村，然後就是爽XD
(2)使用預訓練好的資料，若你路徑下沒檔案，keras都會要求連線下載，但研發雲不能下載外網，自己要先準備好檔案上傳到研發雲。
(3)當時檔案下載後以為是放同一個路徑下，殊不知keras有預設吃的路徑，失敗好幾次，最後才找到正確的位置TAT
::: info
怎麼取用預訓練資料
先下載好檔案，網路上隨便打
或是你直接套用網路的code，就會自己下載
ＢＵＴ研發雲沒有辦法下載東西，因此要上傳這些資料到研發雲
我那時候一直卡在如何吃資料，終於！！
把下載好的檔案放在這裡就ok囉！
:::

      ~ /.keras/models

(4)連結說明滿清楚，將圖片放到歸類好的資料夾，就可以train
(5)利用國稅局影像辨識的資料train，一個類別有800張，共1600張training，400張testing
> 83.4％的準確率
:::warning
應該要再多一點資料下去train
:::
- 實用度：:star::star::star::star:

# Resnet、Inception、Xception 合併
## 案例1
- [ypwhs/dogs_vs_cats](https://github.com/ypwhs/dogs_vs_cats)
- 模型架構如下：

- 心得分享:
待補
- 實用度：