毕业设计进展

好久没有更新博客了

毕业设计进展

2016年6月12日09:54:40 数据集很重要，今天还找找数据集好了。

2016年6月14日09:04:15 deep CNN model pre-trained on large scale dataset

proper feature refining schemes

feature representation in a new domain

similarity learning

ImageNet系列总结

2012 没啥可说的 baseline

2013 主要分析了2012中各个因素的影响，主要内容如下

1，层数越高，提取的特征越抽象。

2，底层的先稳定，高层后稳定。

3，底层的对微小的变化都很敏感，高层对整体把握。

4，卷积核变小、步幅变小，结果有提高。

5，模型总体深度很重要。

6，使用大型数据集，然后进行fine-tunning方法。

2014

VGG 使用更小的filter和间隔，图片多尺度变换，multi-view

GoogleNet 使用inception单元

2015

MSRA 从激活函数入手，使得可以训练更多层 

Judicious use of techniques to prevent overfitting such as dropout, weight decay, data augmentation, pre-training, pseudo-labeling and parameter sharing, has enabled us to train very large models with up to 27 million parameters on this dataset.

http://benanne.github.io/2015/03/17/plankton.html#architecture