用于场景识别的 Places205-VGGNet 模型
计算机视觉与模式识别
2015-08-10 v1
摘要
VGGNet 已被证明对静态图像中的物体识别有效。然而，直接将在 ImageNet 数据集上训练的 VGGNet 模型用于场景识别无法获得良好性能。本报告描述了我们在大规模 Places205 数据集上训练 VGGNet 的实现。具体而言，我们利用具有高计算效率的 Caffe 工具箱多 GPU 扩展，训练了三个 VGGNet 模型，即 VGGNet-11、VGGNet-13 和 VGGNet-16。我们在三个数据集上验证了训练好的 Places205-VGGNet 模型的性能：MIT67、SUN397 和 Places205。我们训练的模型在这些数据集上达到了最先进的性能，并已公开发布。
引用
@article{arxiv.1508.01667,
title = {Places205-VGGNet Models for Scene Recognition},
author = {Limin Wang and Sheng Guo and Weilin Huang and Yu Qiao},
journal= {arXiv preprint arXiv:1508.01667},
year = {2015}
}
备注
2 pages