記錄圖像分類論文資源列表。

圖片分類任務可以分為：粗粒度圖片分類、細粒度圖片分類。

2012 AlexNet ：ImageNet Classification with Deep Convolutional Neural Networks。

2014 GoogLeNet：Going Deeper with Convolutions。

Rethinking the Inception Architecture for Computer Vision。

2014 VGG ：Very Deep Convolutional Networks for Large-Scale Image Recognition。

2015 ResNet: Deep Residual Learning for Image Recognition。

2016 DenseNet：Densely Connected Convolutional Networks。

2014 Inception v1：Going deeper with convolutions

2015 Inception v2，v3：Rethinking the Inception Architecture for Computer Vision

2016 Inception v4：Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning

2019 EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks

論文網址： https://arxiv.org/abs/1905.11946

************************************************************************************

細粒度圖片分類

************************************************************************************

【深度學習】pretrained model預訓練模型下載地址

https://blog.csdn.net/shwan_ma/article/details/88601080

tensorflow slim的預訓練模型下載地址：tensorflow/models

keras的預訓練模型下載地址：fchollet/deep-learning-models

pytorch 預訓練模型下載地址： https://github.com/Cadene/pretrained-models.pytorch/blob/master/pretrainedmodels/models/torchvision_models.py

A repo of image classfication using Keras ：https://github.com/lxztju/keras_classfication

圖像分類數據集

MNIST：

cifar10:

cifar100:

imagenet:

細粒度圖片分類數據集：

Caltech-UCSD Birds-200-2011（簡稱CU200） : 不同鳥類的細粒度分類，共包含200種不同類別、11788張鳥類圖像數據。同時，該數據庫提供了豐富的人工標注數據，每張圖像包含15個局部區域位置、312個二值屬性、1個標注框 以及語義分割圖像。http://www.vision.caltech.edu/visipedia/CUB-200-2011.html

Stanford Dogs：狗細粒度圖片分類，提供了120種不同種類的狗的圖像數據，共有20 580張圖，只提供標注框這一個人工標注數據。

Stanford Cars ：車輛細粒度圖片分類。對車輛進行了詳細的匯總和收集，提供196類不同品牌不同年份不同車型的車輛圖像數據，一共包含有16185張圖像，只提供標注框信息。

Oxford Flowers：花朵細粒度圖像分類，共包含102種類別，每個類別包含了40到258張圖像數據，共有8189張圖像。該數據庫只提供語義分割圖像 , 不包含其他額外標注信息。

參考：

https://zhuanlan.zhihu.com/p/47281243

https://zhuanlan.zhihu.com/p/75199948

https://zhuanlan.zhihu.com/p/53611407

總結

以上是生活随笔為你收集整理的细粒度图像分类_1.1、 图片分类的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。