不论是之前学习的MNIST数据集还是Cifar数据集，相比真实环境下的图象辨认问题，有两个最大的问题，一是现实生涯中的图片分辩率要远高于32*32，而且图象的分辩率也不会是固定的。二是现实生涯中的物体种别很多，不论是10种还是100种都远远不够，而且一张图片中不会只涌现一个种类的物体。为了更加贴近真实环境下的图象辨认问题，由李飞飞教授带头整顿的ImageNet很大水平上解决了这个问题。 不论是之前学习的MNIST数据集还是Cifar数据集，相比真实环境下的图象辨认问题，有两个最大的
阅读背景：
tensorflow学习笔记——图像识别与卷积神经网络
来源：互联网
分享到：
