caffe︱Places365-CNNs For Scene Recognition

ILSVRC2016中有一个Places Scene Classification和Scene Parsing项目的内容。 这次Places Scene Classification(Places2: A Large-Scale Database for Scene Understanding)是第二次作为ILSVRC的比赛项目,而Scene Parsing Challenge(MIT Scene Parsing Challenge 2016)是第一次纳入ILSVRC比赛,两者都是ILSVRC比较新的项目。因为考虑以往参与provided data track人数远远大于external data track,今年这两个项目这次都只设provided data track。 .

一、场景分类数据库 Places2

官网:http://places2.csail.mit.edu/ github地址: https://github.com/metalbubble/places365

数据介绍:Places2 contains more than 10 million images comprising 400+ unique scene categories. The dataset features 5000 to 30,000 training images per class, consistent with real-world frequencies of occurrence.

. .

二、开源的Places365-CNNs

1、Places365 模型介绍

Places365 is the latest subset of Places2 Database. There are two versions of Places365: Places365-Standard and Places365-Challenge.

  • The train set of Places365-Standard has ~1.8 million images from 365 scene categories, where there are at most 5000 images per category. We have trained various baseline CNNs on the Places365-Standard and released them as below.
  • * the train set of Places365-Challenge* has extra 6.2 million images along with all the images of Places365-Standard (so totally ~8 million images), where there are at most 40,000 images per category. Places365-Challenge will be used for the Places2 Challenge 2016 to be held in conjunction with the ILSVRC and COCO joint workshop at ECCV 2016.

2、Places365效能对比Places205

可以看到ResNet的TOP5已经85.08%,VGG表现出色啊!同期来看看places205:

两者的联合对比:

来看看最终的 VGG16-Places365结果:

另外参考: 1、为什么现在的CNN模型都是在GoogleNet、VGGNet或者AlexNet上调整的? 2、如何评价ILSVRC2016的比赛结果?

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏成长道路

文本型数据的向量化:TF-IDF

1.对于文本型数据的分类处理(或者其他的处理),根据ik和jcseg等分词器先对它们进行分词处理之后,大家都知道,计算机是处理不了汉字的,对于文本型的词我们如何...

2430
来自专栏机器学习人工学weekly

机器学习人工学weekly-2018/7/29

1. Google Cloud Next '18年度大会,宣布AutoML Translate, AutoML Natural Language, Contac...

851
来自专栏窗户

这真的是初三教科书里的概率题么?

将36个球放入标有 1,2,...,12 这 12个号码的 12 个盒子中,然后掷两枚质地均匀的骰子,掷得的点数之和是几,就从几号盒子中摸出一个球。为了尽快将...

873
来自专栏PPV课数据科学社区

【学习】七天搞定SAS(七):常用统计模型

其实最后一天,反而是任务最繁重的。这一天,需要纵览SAS的各个常用的统计模块。BTW,在用惯了ggplot2之后,再也不认为有任何理由用其他软件画图了...所以...

3996
来自专栏机器学习从入门到成神

Scikit中的特征选择,XGboost进行回归预测,模型优化的实战

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/sinat_35512245/articl...

1372
来自专栏小樱的经验随笔

2017年浙江理工大学程序设计竞赛校赛 题解&源码(A.水, D. 简单贪心 ,E.数论,I 暴力)

Problem A: 回文 Time Limit: 1 Sec  Memory Limit: 128 MB Submit: 1719  Solved: 528 ...

4967
来自专栏高爽的专栏

如何实现基于商圈和地标的位置搜索

简介 标题中包含了两个关键词,商圈和地标,先来解释一下商圈和地标这两个名词。商圈是一个地理范围,但并不是官方的划分,而是民间大致的划分,它通常提供了民众消费、娱...

2460
来自专栏人工智能头条

深度学习一种变相的马尔可夫链吗?

1854
来自专栏HansBug's Lab

1059: [ZJOI2007]矩阵游戏

1059: [ZJOI2007]矩阵游戏 Time Limit: 10 Sec  Memory Limit: 162 MB Submit: 2154  Solv...

2836
来自专栏iOSDevLog

ARKit和CoreLocation

演示代码 ARKit和CoreLocation:第一部分 ARKit和CoreLocation:第二部分 ARKit和CoreLocation:第三部分

1462

扫码关注云+社区