Computer Vision News - January 2022

17 Drawing Neural Networks def get_model (): model = Sequential() model.add(Conv2D(input_shape= (224,224,3) ,filters = 64, kernel_size=( 3 , 3 ),pad- ding=”same”, activation=”relu”)) model.add(Conv2D(filters= 64 ,kernel_size=( 3 , 3 ),padding=”same”, activation=”re- lu”)) model.add(MaxPool2D(pool_size=( 2 , 2 ),strides=( 2 , 2 ))) model.add(Conv2D(filters= 128 , kernel_size=( 3 , 3 ), padding=”same”, activa- tion=”relu”)) model.add(Conv2D(filters= 128 , kernel_size=( 3 , 3 ), padding=”same”, activa- tion=”relu”)) model.add(MaxPool2D(pool_size=( 2 , 2 ),strides=( 2 , 2 ))) model.add(Conv2D(filters= 256 , kernel_size=( 3 , 3 ), padding=”same”, activa- tion=”relu”)) model.add(Conv2D(filters= 256 , kernel_size=( 3 , 3 ), padding=”same”, activa- tion=”relu”)) model.add(Conv2D(filters= 256 , kernel_size=( 3 , 3 ), padding=”same”, activa- tion=”relu”)) model.add(MaxPool2D(pool_size=( 2 , 2 ),strides=( 2 , 2 ))) model.add(Conv2D(filters= 512 , kernel_size=( 3 , 3 ), padding=”same”, activa- tion=”relu”)) model.add(Conv2D(filters= 512 , kernel_size=( 3 , 3 ), padding=”same”, activa- tion=”relu”)) model.add(Conv2D(filters= 512 , kernel_size=( 3 , 3 ), padding=”same”, activa- tion=”relu”)) model.add(MaxPool2D(pool_size=( 2 , 2 ),strides=( 2 , 2 ))) model.add(Conv2D(filters= 512 , kernel_size=( 3 , 3 ), padding=”same”, activa- tion=”relu”)) model.add(Conv2D(filters= 512 , kernel_size=( 3 , 3 ), padding=”same”, activa- tion=”relu”)) model.add(Conv2D(filters= 512 , kernel_size=( 3 , 3 ), padding=”same”, activa- tion=”relu”)) model.add(MaxPool2D(pool_size=( 2 , 2 ),strides=( 2 , 2 ))) model.add(Flatten()) model.add(Dense(units= 4096 ,activation=”relu”)) model.add(Dense(units= 4096 ,activation=”relu”)) model.add(Dense(units= 2 , activation=”softmax”)) return model