图像预训练模型的起源解说和使用示例

三十多年来，许多研究人员在图像识别算法和图像数据方面积累了丰富的知识。如果你对图像训练感兴趣但不知道从哪里开始，这篇文章会是一个很好的开始。这篇文章简要介绍了过去的演变，并总结了现在的一些热门话题。

• ImageNet
• 预训练模型
• 迁移学习（热门话题）
• 使用预训练模型识别未知图像
• PyTorch

ImageNet 的起源

在 2000 年代初期，大多数 AI 研究人员都专注于图像分类问题的模型算法，但缺乏数据样本，研究人员需要大量图像和相应的标签来训练模型。这激发了 ImageNet 的创建。

ImageNet 由斯坦福大学的人工智能研究员李飞飞老师构思和带头组建。2007 年，当她开始构思 ImageNet 的想法时，她会见了普林斯顿大学教授 Christiane Fellbaum（WordNet 的创建者之一），并讨论了该项目。WordNet 是用于名词、动词、形容词和副词之间语义关系的词汇自然语言处理 (NLP) 数据库。它有 155,327 个词，组织在 175,979 个同义词组中，称为同义词组（有些词只有一个同义词组，有些词有几个同义词组）。如果在 WordNet 中将图像附加到单词上不是很好吗？这就是 ImageNet 的起源。ImageNet 将成百上千的图像与 WordNet 中的同义词集相关联。从那时起，ImageNet 在计算机视觉和深度学习的进步中发挥了重要作用。这些数据可供研究人员免费用于非商业用途。

 

完整文章：

https://www.overfit.cn/post/63db6dc2267c499bb5c106edf0c61d9d