1. 模型介绍:新加坡国立大学lv实验室提出的,异与传统卷积神经网络。
2. 特点:与其他神经网络相比,最大差异在与用多层感知机(多层全连接和非线性函数组合)代替了先去卷积进行层间映射。线性卷积层的复杂度有限,非线性映射增加网络卷积层的非线性能力,使上层特征有更多复杂性和可能性的映射到下层。思想被残差网络借鉴。同时摒弃了全连接层作为分类层的传统,转而用全局汇合操作,最后一层有C个特征图,每一张对应分类任务的C个类别。有了模型可解释性上的一个优势。(更少的参数,更好的局部抽象,降低拟合程度)
3. 网络结构:3个堆叠的多层感知机卷积模块和一个全局汇合操作作为分类层。