imagenet-vgg-fmat

卷积神经网络经典--VGG网络,基于pytorch实现 包括构建网络模型、训练模型、测试准确率,采用cifa-10数据集

vgg16 notop 模型 , 免积分下载,vgg16_weights_tf_dim_ordering_tf_kernels_notop

本实验使用了VGG模型,为了简化实验,加速训练过程,可能会修改模型中的一些参数。看了VGG模型之后仿写的

里面有百度云链接,永久有效。VGG-16网络中的16代表的含义为:含有参数的有16个层,共包含参数约为1.38亿。

输入层中原本固定采样区域分别加入偏移向量,然后在卷积核中通过双线性插值的算法将带有偏移向量的采样点集中在一起,并且使得带偏移向量的输出特征图与输入的特征图具有一致的空间分辨率,最终传递给下一个网络层。

就一个入门级模型,很久之前入门做的,准确率还不高,只有90.7%,上传给小朋友们玩玩,我设置了不要积分,如果要积分,那就是系统的锅(摊手)

openc3.2进行cmake时需要下载的文件。下载vgg_generated_64.i放在opencv_contrib/modules/xfeatures2d/cmake/.download/e

这是VGG16网络，vgg16_weights在多伦多大学的开源镜像，因直接在该原网站下载较慢且费时间，大家需要请自取

vgg_generated_48(64,80,120).i这四个文件在cmake时下载不到，直接替换

SSD_pytorchVGG预训练模型#################################################################################