影象分類識別目前已經得到了很大的飛躍，特別是15年微軟提出的resnet已經超越人類，能夠對影象中的物體進行更好的識別。

為了初步瞭解一下影象分類識別的過程，學習了一下大牛的主頁，發現還是很有意思的。而且從imagenet的角度來說，這個經度還是可以接受的。

本實驗主要參照了這個網頁https://www.cs.toronto.edu/~frossard/post/vgg16/來進行。

VGG is a convolutional neural network modelproposed by K. Simonyan and A. Zisserman from the University of Oxford in thepaper “Very Deep Convolutional Networks for Large-Scale Image Recognition”  . The model achieves 92.7% top-5 testaccuracy in ImageNet  , which is adataset of over 14 million images belonging to 1000 classes.

vgg-16是一種深度卷積神經網路模型，16表示其深度，是alexnet後比較有代表性的深度模型之一，在影象分類等任務中取得了不錯的效果。

為了更好地理解Vgg 16的原理，利用tensorflow進行了實踐，發現利用預先訓練好的模型，識別的速度非常之快。大約2秒鐘就能出現結果。

（1）　實驗一，對槍的檢測實驗

分類識別效果比例非常高，可以。

（2）小拼圖的測試

檢測效果也比較強，第一個出來就是。

（3）老虎的檢測

對老虎的檢測，也非常不錯。

（4）多場景的檢測

這裡面居然把高山，教堂，城堡，山谷等都識別出來了，效果非常不錯，雖然各種精度不高，但是類別是齊全的。