为什么 Keras 模型仅使用 imagenet 权重进行实例化？

Question

如果我们查看 Keras 中的可用模型列表（如此处所示），我们会发现几乎所有模型都是用 实例化的weights='imagenet'。例如：

model = VGG16(weights='imagenet', include_top=False)

为什么总是imagenet？是因为它是基线吗？如果没有，还有哪些其他选择？

谢谢

Answer 1

Imagenet 是图像分类事实上的标准。每年都会举办一次竞赛，涉及 1000 个类别的数百万张训练图像。Imagenet 分类竞赛中使用的模型会相互比较其性能。因此，它提供了衡量模型在图像分类方面的性能的“标准”衡量标准。所以很多常用的迁移学习模型都使用了imagenet权重。如果您使用迁移学习，则可以通过向模型添加附加层来针对您的应用程序自定义模型。您不必使用 imagenet 权重，但它通常是有益的，因为它有助于模型在更少的时期内收敛。我使用它们，但我还将所有层设置为可训练的，这有助于使模型的权重适应您的应用程序。