facebook_logo_classifier
Facebook账号头像分类
基本思路：迁移学习
采用ResNet50、Xception、InceptionV3作为特征提取器，拼接个预训练网络的Bottlenet构成模型输入，添加简单的分类Dense层即可。
训练过程需要下载相应的预训练模型权重，比如讲xception_weights_tf_dim_ordering_tf_kernels_notop.h5放置到~/keras/modles/目录中。
本程序采用二分 x = Dense(1, activation='sigmoid')(x)， loss='binary_crossentropy'，经过简单的设置可以用于图片多分类问题。
比如修改模型最后一层x = Dense(classes, activation='softmax')(x),采用损失loss='categorical_crossentropy'。
当前准确度：95.6%
改进思路：增加训练样本、增加样本的代表性、数据增强
5000张正负样本，通过增加层很容易过拟合，范化效果也不好。