Re: [問題] CNN辨識特定物件

[clliu168 (風)]

※ 引述《gs8613789 (Shang6029)》之銘言：
: 大家好，我是深度學習的新手，因為PTT似乎沒有深度學習相關的板，所以發在這裡。
: 最近在看CNN，知道他預測的結果是一連串的label，而值就是測試圖片為哪一個label的
: 機率。
: 那假如說我想要建立一個只有兩個label的模型，值就是YES或NO
: 比方說我想要辨識一張椅子，我想要知道的就只有他是椅子的機率。
: 當我測試圖片為一張椅子時，他就跟我說這是一張椅子。
: 當我測試圖片為其他東西(比方說一個人或一個水壺)的時候，他就跟我說這不是一張椅子
: 。
: 請問這樣子模型要如何訓練呢？爬了許多文找不到相關的討論，懇請各位給我關鍵字。謝
: 謝！

  假設你有足夠量的椅子跟不是椅子的圖片，可以從頭自己訓練一個 CNN model
  最基本就是 follow LeNet 的架構，去 tune 參數

  另外還有一種作法是使用 transfer learning 方式去 fine-tune model
  最常見的作法就是拿 imagenet pre-tain 好的 model (VGG-16, VGG-19, ResNet-18
  ResNet-34 ...)，用你手上的椅子跟不是椅子的圖片去 fine-tune 最後的
  fully-connected layer

  最後結果使用 softmax function，output 就已經是機率了




--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.113.59.123
※ 文章網址: https://www.ptt.cc/bbs/Python/M.1504872000.A.B6D.html
推 johnny78615: Binary classification，  output layer用sigmoid 就
→ johnny78615: 可以了吧？
推 EGsux: softmax在binary classification 就是sigmoid
→ f496328mm: softmax 可以選多類  看你要分 10 類 20 類等等
推 johnny78615: 了解了！感謝大大分享 ：）