CNN 매개 변수 추정

Question

이미지에 존재하거나 존재하지 않는 작은 개체를 감지하는 이진 이미지 분류 작업을 위해 CNN을 디자인하려고합니다. 이미지는 크기가 512x512 (이미 2048x2048에서 dowmsampled) 인 그레이 스케일 (서명되지 않은 짧은 이미지)이며, 교육 및 테스트를 위해 수천 개의 이미지가 있습니다.

CNN을 사용하여 처음으로 작업을 수행 할 때 ~ 80 %의 정확도를 달성 할 수 있기를 바랍니다. 일반적인 CNN 디자인 방법에 대해 알고 싶습니다. 내 목표를 달성 할 수있는 기회.

내 구체적인 질문은 다음과 같습니다

1. 어떻게 회선 층과 완전히 연결된 레이어 많은 사용해야합니까?

2. 각 회선 계층에는 몇 개의 기능 맵이 있고 각 완전 연결 계층에는 몇 개의 노드가 있습니까?

3. 각 회선 레이어의 필터 크기는 얼마나됩니까? 나는 TensorFlow 백엔드 Keras를 사용하여 CNN, 내 컴퓨터의 사양을 구현하기 위해 노력하고있어

은 8 인텔 제온 CPU를 3.5 GHz의 @; 32 GB 메모리; 2 엔비디아 GPU : GeForce GTX 980 및 Quadro K4200

이러한 하드웨어 및 소프트웨어와 함께 교육의 계산 시간을 알고 싶습니다. 구체적으로,

신기원에서 위에서 언급 한 1000 개의 이미지와 (일반적으로) ~ 80 %의 정확도를 달성하는 데 필요한 에포크의 수를 계산하는 데 얼마나 오래 걸리나요?

일반적인 계산 시간을 알고 싶다면 그 이유를 제대로 설정해야합니다.

희망 첫 번째 게시물에 너무 많은 질문을하지 않았습니다.

Answer 1

케라가 VGG16, VGG19, InceptionV3 및 기타와 같이 해당 작업에 사용할 수있는 기존 모델 중 하나를 선택하면 매우 잘 돌아갑니다. https://keras.io/applications/.

당신은 그것들을 실험 해보고, 다른 매개 변수를 시도해 볼 수 있습니다. 여기저기서 약간 조정할 수 있습니다. 클래스가 하나 뿐이므로 더 작은 버전을 사용해보십시오.

모든 코드가 https://github.com/fchollet/keras/tree/master/keras/applications

속도에서 찾을 수 있습니다 매우 매우 상대적이다. 각 설치 방법, 각 드라이버, 각 버전, 각 운영 체제가 실제로 하드웨어 기능을 적절하게 또는 완전히 사용할 수 있기 때문에 속도를 말하는 것이 불가능합니다.

하지만 사양이 좋으면 모든 것이 잘 설정되어 있으면 꽤 빨라야합니다.