《深度学习：主流框架和编程实战》——2.3　基于TensorFlow框架的图像分类实现（ResNet-34）

2.3　基于TensorFlow框架的图像分类实现（ResNet-34）

本节将以深度残差网络（ResNet）为例，以图像分类作为应用背景，对TensorFlow框架下深度卷积神经网络的构建、训练、测试等进行详细解读，并介绍ResNet网络结构及特性，分析实验结果。

2.3.1　应用背景

计算机视觉识别是人工智能的经典领域，一直备受学术界和工业界的广泛关注。本示例所介绍的网络成名于2015年的ImageNet大规模视觉识别挑战赛。ImageNet大规模视觉识别挑战赛（The ImageNet Large Scale Visual Recognition Challenge，ILSVRC）被誉为计算机视觉乃至整个人工智能发展史上的里程碑式的赛事，成立于2010年。ILSVRC不但是计算机视觉领域发展的重要推动者，也是深度学习热潮的关键驱动力之一。从2010年起，ILSVRC每年都会成立一个相应的研讨会，研讨会的目的是介绍当年计算机视觉相关挑战的方法和竞赛结果，并且邀请最成功的和创新的参赛者出席。大赛的主要挑战包括图像分类、目标定位、图像中的目标侦测、视频中的目标侦测、场景分类、场景解析。

ResNet（Residual Neural Network）是由微软研究院的何凯明团队提出的，中文称为残差网络。ResNet设计的最根本动机就是解决神经网络的退化问题，即当神经网络层次更深时，训练错误率反而更高了，针对此问题，团队提出了一个Residual结构。网络层的函数被重新规划为每层输入的残差函数。在数理统计中，残差的概念为实际观测值与估计值（拟合值）之间的差，如果回归模型正确的话，可以将残差看作误差的观测值。在2015年的ILSVRC比赛中，该研究团队通过使用Residual Units（残差单元）训练了152层ResNet神经网络，在对Cifar-10数据集的分类上取得了第一名，Top-5错误率仅为3.57%，效果非常突出。同时该网络也在COCO（Common Objects in Context）目标检测数据集上取得了优异的结果，分类性能优异，虽然网络层数达到152层，比VGG网络要深8倍，但是相比于VGG网络具有更低的复杂度，成为深度学习领域具有代表性的分类模型。

本实例所使用的Cifar-10数据集由60 000张32×32的RGB彩色——图片构成，共有10个分类，包括飞机、汽车、小鸟、猫咪、麋鹿、小狗、青蛙、马、船、卡车，其中

50 000张是训练图片，10 000张是测试图片。而在Cifar-100数据集中，分类类别高达100，相对于Cifar-10更详尽。Cifar-10数据集最大的特点在于将识别迁移到了普适物体，而且应用于多分类。Cifar-10数据存放在一个10 000×3072的numpy数组中，单位是uint8s，其中3072表示存储了一个32×32的彩色——图像，前1024位是R值，中间1024位是G值，后1024位是B值。