- 博客(11)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 SPP-Net
论文：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition1 摘要现有的深度卷积神经网络（CNN）需要固定大小（例如，224×224）的输入图像。这种要求是“人为的”并且可能降低任意尺寸/比例的图像或子图像的识别精度。在本文中，我们为网络配备了更具原则性的池化策略，即“空间金字塔池化”，以消除...
2019-02-25 12:00:38
1248
原创 模板方法模式
1 核心思想模板方法模式：在父类中定义一个操作中的算法的骨架，而将一些步骤延迟到子类中。模板方法使得子类可以不改变一个算法的结构即可重定义该算法的某些特定步骤。模板方法模式通过将不变行为移动到父类，去除子类中的重复代码来体现它的优势。模板方法提供了一个很好的代码复用平台。当不变的行为和可变的行为在方法的子类中混合在一起时，不变的行为就会在子类中重复出现。我们可以通过模板方法模式把这些行为搬到...
2019-02-17 17:38:30
191
原创 ShuffleNet V2：Practical Guidelines for Efficient CNN Architecture Design
论文：https://arxiv.org/abs/1807.11164
2019-02-11 17:20:26
1234
原创 MobileNetV2: Inverted Residuals and Linear Bottlenecks
文章：https://arxiv.org/abs/1801.04381
2019-02-11 11:51:47
1014
转载 对深度可分离卷积、分组卷积、扩张卷积、转置卷积（反卷积）的理解
本文转载自：https://blog.csdn.net/chaolei3/article/details/79374563文章内容：https://zhuanlan.zhihu.com/p/28749411 https://zhuanlan.zhihu.com/p/28186857 https://blog.yani.io/filter-group-tutorial/ https://w...
2019-02-09 10:29:02
348
原创 Xception
论文：https://arxiv.org/abs/1610.02357代码：https://keras.io/applications/#xcepti1 摘要本文中作者介绍了Inception结构可以看作是介于普通卷积操作和深度可分卷积的中间。深度可分卷积由逐层卷积和逐点卷积组成。深度可分卷积可以理解成具有最多层的Inception结构。作者使用深度可分卷积代替Inception结构形成了本...
2019-02-07 11:29:26
1761
原创 MobileNets V1
文章：https://arxiv.org/abs/1704.04861代码：https://github.com/tensorflow/models/tree/master/research/slim/netshttps://github.com/Zehaos/MobileNetMobileNets: Efficient Convolutional Neural Networks for M...
2019-02-02 11:45:33
863
原创 SqueezeNet
文章：https://arxiv.org/abs/1602.07360代码：https://github.com/DeepScale/SqueezeNetSQUEEZENET: ALEXNET-LEVEL ACCURACY WITH 50X FEWER PARAMETERS AND <0.5MB MODEL SIZE1 摘要相同准确率的CNN模型，更小的模型具有三点优势：分布式训...
2019-02-01 15:39:35
537
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人