基于caffe深度学习框架的目标检测研究文献综述
2020-04-24 09:41:50
1.1研究现状
深度学习是基于人工神经网络的机器学习中的一个分支,在许多领域(如图像处理、语音识别、自然语言处理)取得了突破。近年来,随着研究开发人员对于深度学习开发过程要求的不断提高,一些世界项尖的科研机构开始寻求快速、高效的深度学习开发模式,因此就产生了包括Caffe深度学习框架在内的多种深度学习开发框架。这些深度学习框架为科研机构、相关开发人员提供了高效、快速的开发模式。
1.2目的及意义
Caffe框架有以下的四个特点:
1、 稳定的模型架构
Caffe通过Protobuf来定义一个网络的结构,而这个由Google开源的库具有优秀的版本兼容性。随着Caffe的框架源码的不断更新迭代,之前定义的网络结构依然能兼容解析,模型仍然能正确加载运行。
2、较好的设备抽象
合理的设备抽象能够精简代码,提高框架适用性。在这方面Caffe做了比较好的尝试,模型的训练和使用与不同的平台耦合比较低,只要平台能解析网络结构并读取二进制的模型参数,就能运行该模型。这样大大拓展了框架的应用范围,自然更加符合用户的使用需求。
3、清晰的说明教程
如何让首次接触到框架的人通过说明教程就能最快地熟悉运用,这对于一个新面世的框架来说尤为重要。以Caffe为例,用户只需要将官方文档的例子跑一遍,基本就能清楚Caffe的操作过程和细节,这给它的广泛传播提供了最坚实的基础。