Tensorflow: предварительно обученная модель Google - Inception V3, на какую мне следует положиться?
Когда началось изучение начальной модели v3 для классификации изображений, использовался следующий учебник: https://github.com/tensorflow/models/blob/master/tutorials/image/imagenet/classify_image.py
который содержит ссылку для скачивания модели следующим образом:
DATA_URL = 'http://download.tensorflow.org/models/image/imagenet/inception-2015-12-05.tgz'
или версия inception-v3-2015-12-05. Я пытался проверить, соответствует ли эта официальная модель той, которая использовалась в документе Google Inception V3: переосмысление архитектуры Inception для Computer Vision. Тем не менее, когда я запустил эту модель для изображений проверки 50K ImageNet, были получены следующие результаты точности Top-1:
- 50 000 ILSVRC-2012 Валидация установлена: 77,6% (38 802/50 000)
- 48 238 незарегистрированных примеров ** по набору проверок ILSVRC-2012: 80,03% (38 607/48 238)
** Обратите внимание, что черный список получен из Devkit ILSVRC2014: ILSVRC2014_clsloc_validation_ground_truth.txt
Однако, как указано в документе, Ошибка / Точность Top-1 указывается в соответствии с точностью Top-1 бумаги Inception V3, которая не может быть сопоставлена.
Кроме того, здесь я обнаружил более новую модель версии 2016-08-28, которая показала, что точность Top-1 для начальных версий v3 составляет 78,0%, что также не соответствует статье.
Кроме того, я заметил, что тензор вывода softmax для модели версии 2015-12-05 имеет размер 1008, а для версии 2016-08-28 - тензор softmax размером 1001.
Поэтому мне интересно следующий вопрос:
- Каковы особенности обучения inception-2015-12-05 (с именем classify_image_graph_def.pb) и inception-2016-08-28? Отдельный урожай или основной или что? Есть ли ссылки на результаты топ1 рейтинга?
- Что является основным в статье inception_v3?
- Действительно ли обе модели надежны? Почему запуск проверочных картинок над обоими из них не дал результатов, указанных в статье?
- Может ли кто-нибудь объяснить термины "эксперимент с одной культурой" и "один кадр"?
Заранее спасибо!