有没有一个多类分类的体系结构，包含大量的类？

Question

我对深入学习，做爱好项目还很陌生。现在我正在用200个类进行多类图像分类。有没有一个教程或一个实际的架构，我可以看看？你知道吗

到目前为止，我尝试了基本密集和有线电视新闻网，但我从来没有达到超过5%的准确率。你知道吗

到目前为止，我最基本的CNN是这样的。你知道吗

model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
                 activation='relu',
                 input_shape=input_shape,
                 data_format='channels_first'))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(128, (4, 4), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(256, (5, 5), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.5))
model.add(Flatten())
model.add(Dense(256, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))

model.compile(loss=keras.losses.categorical_crossentropy,
              optimizer=keras.optimizers.Adam(),
              metrics=['accuracy'])

我寻找解决方案，但从来没有找到任何项目有这么多的类（除了VGG-19或其他SOTA CNN，但我会尝试写我自己的，因为这是为了学习的目的）。是否有人有类似的项目或有一些教程或任何关于这类问题的建议？你知道吗

提前谢谢。你知道吗

Answer 1

200节课真的很少。你知道吗

试试看

from keras.applications.resnet50 import ResNet50

model = ResNet50(weights=None, classes=200)
model.compile(loss=keras.losses.categorical_crossentropy,
              optimizer=keras.optimizers.Adam(),
              metrics=['accuracy'])

这个模型（ResNet50）应该足够适合大多数任务。你知道吗

每一个模特keras.应用如果你的任务是真实世界的图像，你可以使用训练过的权重

from keras.applications.resnet50 import ResNet50
from keras.layers import Dense
from keras.models import Model

model = ResNet50(weights='imagenet')
x = model.get_layer('avg_pool').output
x = Dense(200, activation='softmax')(x)
model = Model(model.input, x)