sisyphusking / kaggle-fish-recog

kaggle-in-action

nature-conservancy-fisheries-monitoring

kaggle竞赛

inception_v3

• 使用inception v3模型的网络结构，在最后一层接入神经网络分类器
• 使用梯度下降优化，learning rate设置成7e-4，准确率可以达到80左右（训练速度很慢）
• 使用数据增强、增大训练次数可以提高准确率

transfer_learning_svm

• 使用数据增强，扩大数据集
• 使用迁移学习，利用google训练好的模型，提取图片特征
• 使用svm进行分类，使用pca降维，最终模型的准确率在91%以上

transfer_learning_rf

• 同上，使用迁移学习提取图片特征，后面使用随机森林来进行分类
• 模型准确率不是很高，在60%左右，参数还有调优空间

可优化点

• 使用目标检测技术: Faster R-CNN、YOLO、SSD
• 可以借鉴VGGnet，效果比Inception V3好，代码

参考资料

• What I’ve learned from Kaggle’s fisheries competition
• Building powerful image classification models using very little data
• Detect and Classify Species of Fish from Fishing Vessels with Modern Object Detectors and Deep Convolutional Networks
• Transfer Learning: retraining Inception V3 for custom image classification
• kaggle data
• inveption-v3-2016-03-01 model