![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
计算机视觉
文章平均质量分 83
畅畅cc
这个作者很懒,什么都没留下…
展开
-
DenseNet-稠密连接网络
DenseNet的核心:建立的是前面所有层与后面所有层的密集连接(dense connection),加强了前后层之间的信息流通,在一定程度上缓解了梯度消失现象,从而可以将神经网络搭建得很深通过特征在channel上的连接来实现特征重用(feature reuse)原创 2023-08-18 19:09:05 · 227 阅读 · 0 评论 -
GoogLeNet网络
GoogLeNet网络创新点:引入了Inception结构(融合不同尺度的特征信息)使用1x1的卷积核进行降维以及映射处理 (虽然VGG网络中也有,但该论文介绍的更详细)添加两个辅助分类器帮助训练丢弃全连接层,使用平均池化层(大大减少模型参数,除去两个辅助分类器,网络大小只有vgg的1/20)原创 2023-08-14 18:22:50 · 30 阅读 · 0 评论 -
NiN-串联多个由卷积层和“全连接”层构成的小网络来构建一个深层网络
NIN的结构和传统的神经网络中多层的结构有些类似,后者的多层是跨越了不同尺寸的感受野(通过层与层中间加pool层),从而在更高尺度上提取出特征;NIN结构是在同一个尺度上的多层(中间没有pool层),从而在相同的感受野范围能提取更强的非线性。多几层这样的1X1卷积的话,最终提取的特征会更加抽象,如果不用1X1卷积而是用更大的卷积核,那和连续用GLM有什么区别?由多个堆叠的卷积层和空间池化层组成,通过线性的卷积核+非线性激活函数(ReLU、sigmoid、tanh等)生成特征图。原创 2023-08-13 14:33:56 · 216 阅读 · 0 评论 -
VGG-通过重复使用简单的基础块来构建深度模型
本文介绍了计算机视觉中的经典网络-VGG,该网络提出了一种新的网络搭建模式即:通过重复使用简单的基础块来构建深度模型,对后续改进网络模型起到了非常重要的意义原创 2023-08-12 16:46:43 · 227 阅读 · 0 评论 -
LeNet-5 数字图像识别
本文介绍了经典网络LeNet-5的结构以及运用网络进行手写数字识别的代码实现原创 2023-08-10 10:14:13 · 172 阅读 · 0 评论 -
ALexNet 图像识别
本文介绍了经典网络AlexNet 网络结构并利用网络对花数据集进行了分类原创 2023-08-11 09:30:23 · 699 阅读 · 0 评论