- 博客(4)
- 收藏
- 关注
RSS订阅原创 Inception系列4_Xception： Deep Learning with Depthwise Separable Convolutions
Xception： Deep Learning with Depthwise Separable Convolutions 作者：Franc ¸ois Chollet卷积层的作用是既要学习二维信息，也要学习三维信息。为了使得这种学习简单高效，inception将其分解为一系列的操作，独立的学习二维和三维特征。首先通过一系列的1X1关注与三维相关性，映射到3~4个独立的比输入更小的空间，然后在通过3
2017-12-19 12:03:02
1291
原创 Inception系列3_Inception-v4：Inception-ResNet and the Impact of Residual Connections on Learning
Inception-v4：Inception-ResNet and the Impact of Residual Connections on Learning 作者：Christian Szegedy，Sergey Ioffe，Vincent Vanhoucke有一条很清楚的经验证明：训练具有残差连接的网络能够显著的加速Inception网络的训练。 论文提出两种模型：Inception-v4
2017-12-19 11:20:07
501
原创 Inception系列2_Rethinking the Inception Architecture for Computer Vision
Rethinking the Inception Architecture for Computer Vision作者：Christian Szegedy，Vincent Vanhoucke， Sergey Ioffe这篇论首先描述了一些通用的原则和优化方法，这些方法被证明对减小网络是有用的。General Design Principles 1.避免representational bottle
2017-12-19 10:43:44
453
原创 Inception系列1_Going deeper with convolutions GoogleNet inception
Going deeper with convolutions_GoogleNet_inception作者: Christian Szegedy, Wei Liu, Yangqing Jia这个架构的主要优点是提高网络内部计算资源的利用率,前生是GoogLeNet. 提高网络结果的方法有增加深度和增加宽度,但缺点就是参数过多和增加计算资源.解决办法去就是将全连接改为系数连接架构(包括卷积内部).A
2017-12-19 10:15:04
285
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人