- 博客(5)
- 资源 (4)
- 收藏
- 关注
原创 深度学习——GoogleLeNet网络
ImageNet-2014竞赛第一含有四个版本:Inception V1 -> Inception V2 -> Inception V3 -> Inception V4特点:减少参数,降低参数;增加宽度,深度;
2017-09-18 20:44:56 5630 1
原创 深度学习——VGG网络
VGG网络:ImageNet-2104竞赛第二,是网络改造的首选基础网络(图片描述,图片问答);一个大的卷积核分解为连续多个小卷积核;应用了核分解的思想:将7X7核->3个3X3核(由ReLU连接)对应的参数数量由49通道数变为27通道数;优点是减少参数,显存可用的容量对应就多了,降低了计算,增加了深度;它继承了AlexNet结构的特点:简单和有效;他的16层网络应用性
2017-09-18 20:20:42 1279
原创 深度学习——NIN
NIN:Network in Network网络(NiN)作用是提高了CNN的局部感知区域(Bottleneck layer瓶颈层)1X1的卷积层,做降维度或升维度;他的核大小为1X1(深度待定义)降维例子:如输入为8X1X 1X5(输入核为8,输出核为5)意义:做特征的重新整合,如输入的8层比较稀疏,可输出5层比较密集的特征;降维为后续的卷积层做准备;
2017-09-17 15:44:59 560
原创 深度学习——AlexNet网络
网络介绍:ImageNet2012竞赛第一名;他标志着DNN深度学习革命的开始;网络包含5个卷积层+3个全连接层;60M个参数+650K个神经元;2个分组——>2个GPU(3G,受限于当时硬件),训练时长一周,50x加速;引入的新技术有:ReLU非线性激活;Max pooling池化;Dropout regularization(主要用于防止过拟合,在判断决策的FC层使用;模型网络
2017-09-17 15:18:36 635
转载 RCNN学习笔记(0):rcnn简介
reference link: http://blog.csdn.NET/shenxiaolu1984/article/details/51066975Region CNN(RCNN)可以说是利用深度学习进行目标检测的开山之作。作者Ross Girshick多次在PASCAL VOC的目标检测竞赛中折桂,2010年更带领团队获得终身成就奖,如今供职于Facebook旗下的
2017-09-12 22:34:30 296
Cell sorting in a Petri dish controlled by computer vision
2014-06-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人