如何用Tensorflow构建MobileNet卷积神经网络

论文解读：论文|谷歌推出最新“手机版”视觉应用的卷积神经网络—MobileNets

该文是关于Google MobileNets 的tensorflow实现步骤详解，基于论文《移动视觉应用的高效卷积神经网络》实现的。

基本模型：

使用方法：

1、准备Imagenet 数据。

请参考Google训练感知器的教程：https://github.com/tensorflow/models/tree/master/inception#getting-started

2、根据环境修改'./script/train_mobilenet_on_imagenet.sh'

问题解决：

1、关于MobileNet模型大小：根据论文，MobileNet有330万个参数，不会因为输入图像的分辨率而改变。这也意味着由于全连接层的存在，最终模型的参数数量会比330万还要多。当使用RMSprop训练方法时，由于一些辅助参数的使用，checkpoint文件的大小大概是模型大小的3倍。可以用inspect_checkpoint.py文件进行查看。

2、预训练的权重：训练还在进行中，训练结束后作者会更新权重。

下一步工作：

在ImageNet上训练
增加宽度乘法超参数
报告训练结果
整合入目标检测任务

论文地址：https://arxiv.org/pdf/1704.04861.pdf
GitHub资源：https://github.com/Zehaos/MobileNet
SSD-Tensorflow：https://github.com/balancap/SSD-Tensorflow

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。