构建我们自己的图像检测模型的过程

Question

目前，我正在开发用于图像检测的深度神经网络，我创建了一个名为YOLO Network的模型，它非常强大，可以检测对象，但我有一个问题：

• 我们如何设计和构思我们自己的模型？我们是否使用了一个强力，例如“我使用2卷积和1个汇集层和1个完全连接的层”之后如果结果不好我改变层数并更改参数直到找到最佳model，如果有人知道某些信息，请告诉我怎么做？

我使用Tensorflow。

谢谢，

Answer 1

有几篇论文解决了这个问题。例如，在http://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Szegedy_Rethinking_the_Inception_CVPR_2016_paper.pdf中提到了一些一般原则，例如通过在图形的任何切割中没有太快的变化来保留信息，从输入中分离输出。

另一篇论文是https://arxiv.org/pdf/1606.02228.pdf，其中尝试了特定的超参数组合。

其余部分正是您在实践中观察到的内容，取决于您的数据集和您的要求。也许您有性能要求，因为您希望部署到移动设备或者您需要超过90％的准确率。然后你必须相应地选择你的模型。