如何在caffe框架介绍下通过CNN提取图像的特征

你的位置：网站首页 >> 频道首页 >>编程语言 >>如何在caffe框架介绍下通过CNN提取图像的特征

点击联系发帖人 时间：2017-10-27 05:51

caffe框架

FC2到输出的Loss为HingeLoss即采用最大类间分類平面的原则。

SoftMax是FC2的输出结果选出可能性最大的那个的一种方法，跟最后一层FC是否采用SVM无关

经过实验，采用HingeLoss的网络在小类别分类时(實验8类，每一类1300张图)泛化能力更强，分类更准确（相比softmax准确性大约提升30%）

经过观察发现，采用HingeLoss之后预测的输出结果，是SVM式的只有囸确的类别是正数，其他是负数体现了最大类间距离的特点。

而softmax的输出结果有正有负，所以分类平面的距离不是最大的没有SVM效果好。

备注：要充分发挥SVM的作用需要从头开始训练。

}

内容提示：CNN基础与Caffe实践

文档格式：PDF| 浏览次数：82| 上传日期： 22:49:45| 文档星级：?????

全文阅读已结束如果下载本文需要使用

该用户还上传了这些文档

}

首先要学会如何调用python层在protxt文件中调用python层后面补上。

授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户不积跬步无以至千里，不积小流无以成江海程序人生的精彩需要坚持不懈地积累！

}