Planet 数据集已成为计算机视觉的标准基准，涉及多标签分类或对亚马逊热带雨林卫星照片的内容进行标记。该数据集是 Kaggle 网站上一项数据科学竞赛的基础，并且已成功解决。尽管如此，它仍可作为学习和练习如何 [...] 的基础。
作者归档 | Jason Brownlee
如何分类狗和猫的照片（准确率达 97%）
分步开发深度卷积神经网络以对猫狗照片进行分类 猫狗数据集是标准的计算机视觉数据集，涉及将照片分类为包含狗或猫。尽管这个问题听起来很简单，但它直到最近几年才使用深度学习卷积 [...] 得到有效解决。
Keras 中的计算机视觉模型迁移学习
深度卷积神经网络模型可能需要数天甚至数周才能在非常大的数据集上进行训练。一种捷径是重新使用为标准计算机视觉基准数据集（如 ImageNet 图像识别任务）开发的预训练模型的模型权重。可以下载表现最佳的模型 [...]
如何从零开始开发用于 CIFAR-10 照片分类的 CNN
了解如何为 CIFAR-10 对象分类数据集从头开始开发深度卷积神经网络模型。CIFAR-10 小型照片分类问题是计算机视觉和深度学习中的标准数据集。尽管该数据集已得到有效解决，但仍可作为学习和练习如何开发 [...] 的基础。
用于 Fashion-MNIST 服装分类的深度学习 CNN
Fashion-MNIST 服装分类问题是计算机视觉和深度学习中的新标准数据集。尽管该数据集相对简单，但它可作为学习和练习如何从头开始开发、评估和使用深度卷积神经网络进行图像分类的基础。这包括如何开发 [...]
如何为 MNIST 手写数字分类开发 CNN
如何为 MNIST 手写数字分类从头开始开发卷积神经网络。MNIST 手写数字分类问题是计算机视觉和深度学习中的标准数据集。尽管该数据集已得到有效解决，但仍可作为学习和练习如何开发、评估和使用卷积 [...] 的基础。
如何可视化卷积神经网络中的过滤器和特征图
深度学习神经网络通常是晦涩难懂的，也就是说，尽管它们可以做出有用且熟练的预测，但并不清楚某个预测是如何或为何做出的。卷积神经网络具有专门用于处理二维图像数据的内部结构，因此可以保留所学 [...] 的空间关系。
用于 CNN 的图像数据准备和增强的最佳实践
在训练卷积神经网络时，很难知道如何最好地准备图像数据。这包括在模型训练和评估期间的像素值缩放和图像数据增强技术的使用。与其测试各种选项，不如考虑 [...] 的有用捷径。
ImageNet挑战（ILSVRC）简介
深度学习神经网络技术的流行和使用可以追溯到卷积神经网络在图像分类任务中的应用创新。一些最重要的创新源于学者和行业领导者在 ImageNet 大型视觉识别挑战赛（ILSVRC）中的提交。 [...]
1x1 卷积简介以管理模型复杂度
池化可用于对特征图的内容进行下采样，减小其宽度和高度，同时保持其显著特征。深度卷积神经网络的一个问题是特征图的数量通常随着网络深度的增加而增加。这个问题可能导致数量急剧增加 [...]