Select Language

Open Dataset

VGG - 16

VGG - 16

527.8M
214 hits
0 likes
0 downloads
0 discuss
Earth and Nature,Computer Science,Architecture Classification

Data Structure ? 527.8M

    Data Structure ?

    *The above analysis is the result extracted and analyzed by the system, and the specific actual data shall prevail.

    README.md

    # VGG - 16 --- ## 大規模画像認識のための非常に深い畳み込みネットワーク 本研究では、大規模画像認識の設定において、畳み込みネットワークの深さがその精度に与える影響を調査します。我々の主な貢献は、非常に小さい(3x3)畳み込みフィルタを用いたアーキテクチャを使って、深さを増加させたネットワークを徹底的に評価したことです。これにより、深さを16 - 19の重み層まで増やすことで、従来技術の構成に対して大幅な改善が達成できることが示されました。これらの知見は、我々の2014年のImageNet Challengeへの提出の基礎となりました。その際、我々のチームは、局所化トラックと分類トラックでそれぞれ1位と2位を獲得しました。また、我々の表現は他のデータセットにも良好に一般化し、最先端の結果を達成することを示しました。我々は、コンピュータビジョンにおける深い視覚表現の利用に関するさらなる研究を促進するために、最も性能の良い2つの畳み込みニューラルネットワーク(ConvNet)モデルを公開しています。 **著者:ケアン・シモニアン、アンドリュー・ジズマン** **https://arxiv.org/abs/1409.1556** --- # VGGアーキテクチャ ![VGGアーキテクチャ][1] --- 事前学習済みモデルとは何ですか? 事前学習済みモデルは、あらかじめデータセットで学習されており、学習に使用されたデータセットの特徴を表す重みとバイアスを含んでいます。学習された特徴は、多くの場合、異なるデータに転用することができます。たとえば、鳥の画像の大規模データセットで学習されたモデルには、エッジや水平線などの学習された特徴が含まれており、これらはあなたのデータセットに転用することができます。 事前学習済みモデルを使用する理由は何ですか? 事前学習済みモデルは多くの理由で我々に有益です。事前学習済みモデルを使用することで、時間を節約できます。他の誰かがすでに多くの特徴を学習するために時間と計算リソースを費やしており、あなたのモデルはおそらくその恩恵を受けるでしょう。 [1]: https://imgur.com/uLXrKxe.jpg
    ×

    The dataset is currently being organized and other channels have been prepared for you. Please use them

    The dataset is currently being organized and other channels have been prepared for you. Please use them

    Note: Some data is currently being processed and cannot be directly downloaded. We kindly ask for your understanding and support.
    No content available at the moment
    No content available at the moment
    • Share your thoughts
    Go share your ideas~~

    ALL

      Welcome to exchange and share
      Your sharing can help others better utilize data.
    Points:0 Go earn points?
    • 214
    • 0
    • 0
    • collect
    • Share