第14章.CNNを使ったコンピュータビジョン
1、CNNコンポーネント
1-1. Convolution Layer
にゅうりょくそうマスク層
1-2. バッファ層
入力値(ウェイトX)を計算し、計算関数(
🖥 プール層実装
# Max Pooling Layer using keras
# kernel_size=2, valid padding(패딩 사용X)
max_pool = keras.layers.MaxPool2D(pool_size=2)
# Avg Pooling Layer using keras
avg_pool = keras.layers.AvgPool2D(pool_size=2)
# Max Pooling Layer using tf
depth_pool = keras.layers.Lambda(
lambda X: tf.nn.max_pool(X, ksize=(1,1,1,3),
strides=(1,1,1,3),
padding='valid'))
(배치 크기, 높이, 너비, 채널rgb)
順序[높이, 너비, 채널]
シーケンス2、CNN構造
入力アアアアアア
🖥 簡単なCNN実現
model = kears.layers.Sequential([
keras.layers.Conv2D(64, 7, activation='relu', padding='same',
input_shape=[28,28,1]),
keras.layers.MaxPooling2D(2),
keras.layers.Conv2D(128, 3, activation='relu', padding='same'),
keras.layers.Conv2D(128, 3, activation='relu', padding='same'),
keras.layers.MaxPooling2D(2),
keras.layers.Conv2D(256, 3, activation='relu', padding='same'),
keras.layers.Conv2D(256, 3, activation='relu', padding='same'),
keras.layers.MaxPooling2D(2),
keras.layers.Flatten(),
keras.layers.Dense(128, activation='relu'),
keras.layers.Dropout(0.5),
keras.layers.Dense(64, activation='relu'),
keras.layers.Dropout(0.5),
keras.layers.Dense(10, activation='softmax')
])
2-1. LeNet-5
2-2. AlexNet
2-3. GoogLeNet
2-4. VGGNet
2-5. ResNet
2-6. Xception
Reference
この問題について(第14章.CNNを使ったコンピュータビジョン), 我々は、より多くの情報をここで見つけました https://velog.io/@juliy9812/14장-합성곱-신경망을-사용한-컴퓨터-비전テキストは自由に共有またはコピーできます。ただし、このドキュメントのURLは参考URLとして残しておいてください。
Collection and Share based on the CC Protocol