Hacks on Computer Vision

第49期 HackCV 日报

2017.11.20

人脸识别详解系列的第二篇,主要是不同网络结构的测试结果,一共22个网络结构,这个测试结果的表格可以详细了解下。

简单有趣的实践,MNIST都是作为基准数据集用于测试算法的效果,这篇文章的思路很奇特,使用缩减后的MNIST进行不同算法的测试,又可以得到什么结果呢?首先使用SVM、kNN、决策树、随机森林和神经网络构建基准,之后进行不同的测试,与基准结果对比。最终效果最好的是构建新的神经网络和数据扩展后的算法,这显然与我们的期望是一致的。

非常简短的transfer_learning的总结,简单来说,就是使用一个现有的模型,在新的数据集上训练全部或者部分layer,可以让新得到的模型解决相似的问题。如果新数据集比较小,最好只修改并重新训练最后一层;如果数据集比较大,可以使用现有模型的参数作为初始参数,全部进行重新训练。

相关文章

发表评论