Deadline: 2020-11-22, 22:00


image


本次作业的主要内容为:图像分类、迁移学习、VGG模型

请参考第五周的实验《用VGG16进行CIFAR10分类》《猫狗大战


这个作业为 Kaggle 于2013年举办的猫狗大战比赛,判断一张输入图像是“猫”还是“狗”。该教程使用在 ImageNet 上预训练 的 VGG 网络进行测试。因为原网络的分类结果是1000类,所以这里进行迁移学习,对原网络进行 fine-tune (即固定前面若干层,作为特征提取器,只重新训练最后两层)。


大家仔细学习代码教程,然后研读AI研习社猫狗大战赛题的要求:https://god.yanxishe.com/41 (目前比赛已经结束,但仍可做为练习赛每天提交测试结果)


下载比赛的测试集(包含2000张图片),利用fine-tune的VGG模型进行测试,按照比赛规定的格式输出,上传结果评测(练习赛每天仅可评测5次)。我已进行测试,VGG模型训练 1 个 epoch 的准确率约为 96.1 %。


image


大家思考,如何改进当前模型,可以进一步提高分类准确率。有了这些技术积累,可以较好的应对未来的竞赛。


作业要求:完成一篇技术博客,题目为“第四次作业:猫狗大战挑战赛”,在谷歌 Colab 上完成猫狗大战VGG模型的迁移学习,关键步骤截图,并附一些自己想法和解读。


在该代码的基础上,下载AI研习社“猫狗大战”比赛的测试集,利用fine-tune的VGG模型进行测试,按照比赛规定的格式输出,上传结果在线评测。将在线评测结果截图,将代码实现的解读发在博客。同时,分析使用哪些技术可以进一步提高分类准确率。


博客地址,填写在在线文档:https://docs.qq.com/sheet/DQVFueGF4RGNRbmJM