计算机视觉经典论文阅读系列1--VGG

于 2023-02-09 14:08:08 发布
阅读量114 收藏
点赞数
文章标签： 计算机视觉 论文阅读 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Arlenegogogo/article/details/128900708
版权
VGG论文探讨了深度对卷积神经网络(CNN)在图像识别准确性上的作用，通过使用小尺寸3×3卷积核增加网络深度，达到16-19层，在2014ImageNet竞赛中取得优异成绩。尽管更深的网络在一定程度上提高了性能，但错误率会饱和，表明并非无限增加深度就能持续提升效果。局部归一化和1×1卷积核的应用也进行了探索，最终，通过集成不同架构，VGG模型实现了高分类准确率。
摘要由CSDN通过智能技术生成

计算机视觉经典论文-CNN

经典论文的框架听完相关的课程，还是记不住/(ㄒoㄒ)/~~
从论文入手，重新整理一遍
争取保证1周一篇，3月底之前完成
在这里插入图片描述
VGG：《Very Deep Convolutional Networks for Large-Scale Image Recognition》
作者：VGG（作者所在的牛津大学视觉几何组Visual Geometry Group的缩写）

背景介绍
  • 重点研究了卷积网络深度对图像识别准确性的影响
  • 主要贡献：应用3×3卷积增加网络深度，将网络深度提升至16-19层，在2024 Imagenet分类和检测比赛中分别获得第二名和第一名。
模型特点
  • 仅应用3×3卷积核
  • 两个3×3卷积（stride=2）具有5×5的有效感受野;三个3×3卷积（stride=2）具有7×7的有效感受野
    参数比较3×（3×3×C×C）->7×7×C×C，后者比前者参数量多81%
  • 应用3个FC层，使决策函数更具辨识性
网络架构在这里插入图片描述
图像分类

在这里插入图片描述

  1. A-LRN为加入局部归一化的网络架构，并未使得模型效果变好
  2. 分类误差随着模型深度的增加而减少
  3. 架构C中（包含1×1卷积核）的性能比同样深度的D性能差
  4. 网络深度达到19层（E）时，架构的错误率饱和，更深入的模型对更大的数据集有益

在这里插入图片描述
测试时对图像尺寸的调整使得模型达到了更好的效果
在这里插入图片描述
应用两个架构的集成模型达到了比赛的最优效果，最终分类准确率仅次于GoogLeNet

结论

深度在视觉任务中具有重要性，有利于提高分类精度

Arlene.Wang
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
VGGnet的论文资料
05-17
VGGnet的论文资料
VGG
小菜鸟的AI之路
01-17 1万+
VGG网络简介 VGG网络是在AlexNet网络的基础上发展而来的，其主要贡献在于使用非常小的3*3的卷积核进行网络设计，并且将网络深度增加到16-19层。在2014年ImageNet比赛中，获得了定位第1，分类第2的好成绩，网络具有很好的泛化能力。 VGG网络结构 网络结构 如下图是VGG网络不同深度的网络结构图，从左到右层数在增加。 对比与AlexNet的异同 VGG与
计算机视觉经典论文合集2012-2019
12-26
AlexNet,MaxOut,InceptionV1,VGG,InceptionV2,InceptionV3,ResNet,Xception,ResNext,MobileNet-V1,DRN,DPN,DenseNet,MobileNet-V2,MobileNet-V3 语义分割网络: FCN,Unet,InstanceFCN,DeepLab-V1,DeeplabV3,SeNet,...
目标检测经典论文-计算机视觉经典论文
04-03
目标检测经典论文15篇,包括rcnn系列及yolo系列论文。具体论文：yolov1, yolov2, yolov3, yolov4, RCNN, Fast RCNN, Faster RCNN, Mask RCNN, Casecade RCNN, SSD, VGG, OverFeat, FPN, SPP NET, R-FCN . 方便大家...
VGG论文 1409.1556-VGG
09-09
VGG论文，全称为"1409.1556-VGG-VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION"，是深度学习领域中的一个里程碑工作，由K. Simonyan和A. Zisserman在2014年的ICLR会议上发表。该论文的核心...
计算机视觉经典论文包（适合初学者和进阶者）
最新发布
08-04
资源关于计算机图像分类的经典论文，包括经典的计算机图像分类的论文，LeNet、AlexNet、GoogLeNet、NIN、VGG、ResNet、从数学的角度理解卷积&卷积神经网络、关于深层神经网络vs浅层神经网络的研究、卷积神经网络的...
计算机视觉经典论文
01-29
计算机视觉是信息技术领域的一个重要分支，它涉及到图像分析、模式识别和机器学习等多个学科的交叉。...通过阅读这些经典论文，我们可以深入了解计算机视觉的深度学习方法及其发展历程，从而更好地理解并应用这些技术。
2014-VGG-《Very deep convolutional networks for large-scale image recognition》翻译
爱吃土豆
01-10 1万+
原文：http://xueshu.baidu.com/s?wd=paperuri%3A%282801f41808e377a1897a3887b6758c59%29&filter=sc_long_sign&tn=SE_xueshusource_2kduw22v&sc_vurl=http%3A%2F%2Farxiv.org%2Fabs%2F1409.1556&ie=utf-8&sc_us=4549459
VGG论文精读笔记
HC_DATA的博客
11-14 669
文章简介 VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION 该文章介绍了基于深度卷积神经网络的大规模图像分类(经典网络)，验证了卷积神经网络的深度对大规模图像分类准确率的影响。 作者：Karen Simonyan & Andrew Zisserman 单位：牛津大学(Visual Geometry Grou...
【深度学习】经典神经网络 VGG 论文解读
frank 的专栏
11-06 2万+
VGG 在深度学习领域中非常有名，很多人 fine-tune 的时候都是下载 VGG 的预训练过的权重模型，然后在次基础上进行迁移学习。VGG 是 ImageNet 2014 年目标定位竞赛的第一名，图像分类竞赛的第二名，需要注意的是，图像分类竞赛的第一名是大名鼎鼎的 GoogLeNet，那么为什么人们更愿意使用第二名的 VGG 呢？ 因为 VGG 够简单 VGG 是 Visual Geometr...
VGG理论概述，torch，tensorflow代码实现
shuai_yue的博客
06-16 1287
vggnet AlexNet 在 2012 年发表之后，研究界对这个模型做了很多改进工作，使得这个模型得到了不断优化，特别是在 ImageNet 上的表现获得了显著提升。针对 AlexNet 模型的两个重要改进，分别是 VGG 和 GoogleNet。 4.1 VGGNet名称由来及作者介绍 论文题目是《用于大规模图像识别的深度卷积网络》（Very Deep Convolutional Networks for Large-Scale Image Recognition）[1]。这篇文章的作者都来自于英国牛
经典网络架构学习-VGG
一璐有你的专栏
07-14 4163
本篇博文将介绍一下在ImageNet 2014 年斩获目标定位竞赛的第一名，图像分类竞赛的第二名的网络结构VGG。VGG 是 Visual Geometry Group 的缩写，是这个网络创建者的队名，作者来自牛津大学.VGG论文《Very Deep Convolutional Networks for Large-Scale Image Recognition》作为一篇会议论文在2015年的ICLR大会上发表Visual Geometry Group实验室链接：https://www.robots.ox.
VGG详解
热门推荐
disguise666的博客
04-02 3万+
VGG 一、背景介绍 VGG全称是Visual Geometry Group，因为是由Oxford的Visual Geometry Group提出的。AlexNet问世之后，很多学者通过改进AlexNet的网络结构来提高自己的准确率，主要有两个方向：小卷积核和多尺度。而VGG的作者们则选择了另外一个方向，即加深网络深度。 二、网络架构 卷积网络的输入是224 * 224的RGB图像，整个网络的组成...
VGG&&ZF笔记
OneCoder的博客
08-05 2671
VGG：Very deep Convolutional Networks for large-scale image recognition ZF：Visualizing and Understanding Convolutional Networks     VGG是牛津大学计算机视觉组（Visual Geometry Group）和（Google DeepMind）公司研究院一起研发的...
【VGG】介绍
倔强的大萝卜的博客
03-15 6967
VGG VGG-16和VGG-19取名源自作者所处研究组名(Visual Geometry Group)，后面的16 19代表了网络的深度。 VGG-16/VGG-19138M参数，ILSVRC 2014的亚军网络。 VGG-16结构的基本框架 conv1^2 (64) -> pool1 -> conv2^2 (128) -> pool2 -> conv3^3 (...
VGG阅读笔记
文森特的博客
11-09 1524
原文：https://arxiv.org/abs/1409.1556 摘要： 本文研究了在大规模图片识别中，卷积神经网络的深度对准确率的影响。论文的主要贡献是使用3×3卷积的神经网络架构全面评估增加深度对网络的影响，结果表明通过将深度推至16-19层可以使网络性能得到显着提高。作者还表明此模型可以泛化到其他数据集上，在其他数据集上可以获得很好的结果。作者公开了两个性能最佳的VGG模型，...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值