kaggle竞赛
- 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
- 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
- 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
- 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
- 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