《DenseNet Models for Tiny ImageNet Classification》课程设计论文

paper : 《DenseNet Models for Tiny ImageNet Classification》     https://arxiv.org/ftp/arxiv/papers/1904/1904.10429.pdf

code: https://github.com/ZohebAbai/Tiny-ImageNet-Challenge

这个文章应该是课程作业。

论文的主要目的就是完成一个分类器，在mini imagenet上。

主要仿照ResNet 和Densenet 设计了一个分类器。

数据使用了64*64的mini imagenet，数据增强方法使用了imgaug library :https://github.com/aleju/imgaug  这个可以记录下

就是设计了这样两个网络

分析分类错误的原因：

1. 低分辨率（一些细节丢失）

2.对图像中主要实体的错误理解（存在多个实体，比如果盘里有水果，应该是分类为果盘呢？还是某种水果呢）

3.相似类别间的混乱（例如：相似品种间的猫）

分类正确的情形：

前景和背景容易区分

前景占的空间比率大

数据增强对电线杆，旗杆这种竖长的有效果。

此外，提供了不少入门者可以操练数据地址：

mini imagenet:　　https://tiny-imagenet.herokuapp.com/