HEVC帧内编码优化——ResNet模型

ResNet(深度残差网络)

ResNet网络是在2015年提出的一种新型CNN网络模型,相较于先前的LeNet、AlexNet等模型优势明显,尤其是在解决梯度消失、梯度爆炸方面,有了极大的提升。之前在接触LeNet、AlexNet用于帧内编码信息预测的时候,时常会遇到准确率低,还有准确率退化的问题,通过增加数据量和层数也得不到很好的改变。在使用该网络后,在不同的网络层数还有数据量等方面都有很好的实验效果,下面分享一下我在学习中的见闻:

1、参考论文与博客:

[1] He K, Zhang X, Ren S, et al. Deep residual learning for image recognition[C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2016:770-778.

[2] ResNet代码参考:https://github.com/wenxinxu/resnet-in-tensorflow#training-curves 

2、残差结构

通常我们对于识别率的理解在于:尽可能的增大网络深度,使用“硬的”运算平台,合理运用网络数学模型等。而实际应用中,类似激励函数、正则化、dropout还有损失函数等数学模型,我们很难通过数学优化的改变来较大幅度的影响识别率,运算平

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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