Prozess, um unser eigenes Modell für die Bilderkennung zu erstellen

Question

Zur Zeit arbeite ich an tiefen neuronalen Netzwerk für die Bilderkennung und ich gründete ein Modell namens YOLO Network, und es ist sehr leistungsfähig, um Objekte zu erkennen, aber ich habe eine Frage:

• Wie können wir unser eigenes Modell entwerfen und konzipieren? Verwenden wir dazu eine brut-Kraft, zum Beispiel "Ich benutze 2 Faltungs-Layer und 1 Pooling-Layer und 1 Fully-Connected-Layer", wenn das Ergebnis nicht gut ist, ändere ich die Anzahl der Layer und ändere den Parameter, bis ich das Beste finde Modell, bitte, wenn es jemanden gibt, der Informationen darüber weiß, zeig mir wie?

Ich benutze Tensorflow.

Danke,

Answer 1

Es gibt ein paar Papiere, die dieses Problem ansprechen. Zum Beispiel werden in http://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Szegedy_Rethinking_the_Inception_CVPR_2016_paper.pdf einige allgemeine Prinzipien erwähnt, wie das Bewahren von Information durch nicht zu schnelle Änderungen in irgendeinem Schnitt des Graphen, der die Ausgabe von dem Eingang trennt.

Ein anderes Papier ist https://arxiv.org/pdf/1606.02228.pdf wo spezifische Hyperparameter Kombinationen versucht werden.

Der Rest ist genau das, was Sie in der Praxis beobachten und hängt von Ihrem Datensatz und Ihrer Anforderung ab. Vielleicht haben Sie Leistungsanforderungen, weil Sie auf Mobilgeräten bereitstellen möchten oder mehr als 90% Genauigkeit benötigen. Dann müssen Sie Ihr Modell entsprechend wählen.