深度学习教程（二）：如何实现猫狗图像分类？

本文共计1571个文字，预计阅读时间需要7分钟。

目录任务目标数据集数据增强模型一：自定义网络模型二：使用ResNet34做特征提取模型三：ResNet34+VGG16做特征提取 + trick参考任务目标构建深度学习模型，对猫狗数据集进行分类。数据集猫狗数据集数据增强随机翻转、旋转、缩放等模型一：自定义网络使用卷积神经网络进行特征提取和分类模型二：使用ResNet34做特征提取利用预训练的ResNet34模型提取特征模型三：ResNet34+VGG16做特征提取 + trick结合ResNet34和VGG16进行特征提取，并应用trick提升性能参考任务目标构建深度学习模型，对猫狗数据集进行分类。数据集猫狗数据集数据增强随机翻转、旋转、缩放等模型一：自定义网络使用卷积神经网络进行特征提取和分类模型二：使用ResNet34做特征提取利用预训练的ResNet34模型提取特征模型三：ResNet34+VGG16做特征提取 + trick结合ResNet34和VGG16进行特征提取，并应用trick提升性能

目录

• 任务目标
• 数据集
• 数据增强
• 模型一：自定义网络
• 模型二：使用resnet34做特征提取
• 模型三：resnet34&vgg16做特征提取
• trick
• 参考

任务目标

构建深度学习模型，对猫狗数据集进行分类（数据集来自kaggle），要求测试集的准确率不能低于\(75 \%\)。在本文中，使用了3个不同的模型进行分类，其测试集结果分别是：

• 自定义卷积神经网络：\(87.26\%\)。
• 使用resnet34做特征提取：\(93.6\%\)。