颜色分类leetcode VGG cifar 用于图像分类的VGG网络的TensorFlow实现

颜色分类leetcode用于图像分类的VGG19-FCN的TensorFlow实现。该存储库包含使用预训练模型进行自然图像分类的示例，以及在数据集上从头开始训练类似VGG19的网络（测试集准确率为91.81%）。 CIFAR-10上的预训练模型可以从下载。要求Python 3.3+实施细则VGG网络在中定义。使用预训练模型的图像分类示例在.在CIFAR-10上从头开始训练网络的示例在.用于测试预训练模型最后三个全连接层被转换为卷积层，使其成为一个全卷积网络。然后输入图像可以是任意大小的。用于获取所有测试图像的类分数的固定大小。图像被重新缩放，使得最小边等于224，然后再输入模型，以降低计算复杂度并保持较高的分类性能，因为对于过大的图像，相关部分的响应可能被非相关部分的响应平均通过全局平均池化的图像。用于在CIFAR-10上从头开始训练卷积层部分与VGG19相同。全连接层被实现为滤波器大小为1的卷积层。由于CIFAR-10包含比ImageNet更少的训练集和类，因此在输出线性层之前使用了由1024个