GoogLeNet论文学习笔记

最新推荐文章于 2024-05-06 16:06:08 发布
最新推荐文章于 2024-05-06 16:06:08 发布
阅读量5.3k 收藏 23
点赞数 2
分类专栏： cnn 文章标签： GoogLeNet
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/chenhoujiangsir/article/details/52400541
版权

GoogLeNet论文学习笔记

Abstract

  • 提出一种叫做inception的卷积神经网络结构，基于inception构建的22层的深度网络（GoogLeNet）刷新了ILSVRC14分类和检测任务的state of art。
  • 这种结构的主要特点就是加大了网络的深度和宽度，并且不增加运算量，提高了计算资源的利用效率。
  • 为了优化效果，inception结构的设计基于海扁准则和多尺度处理问题的直觉。

Introduction

  • 过去三年由于深度学习（更确切地说是卷积网络）的优势，图像识别和物体检测取取得了引人注目的进步。这些进步不只是因为有性能更强的硬件，更大的数据集和更大的模型，而主要是一系列的新ideas，算法和改进的网络结构。
  • 我们提交到ILSVRC 2014的GoogLeNet使用了比两年前的冠军AlexNet少12倍的参数，但取得了更高的正确率。
  • 随着移动和嵌入式计算的不断发展，算法效率（特别是效果和内存占用）变得非常重要。
  • 我们的模型被设计为在预测时的计算量保持在1.5 billion次乘加运算，因此可以被运用于实际生产中，而不单纯是学术上的实验。

  • 从LeNet-5开始，CNN就已经有了一个标准的结构—堆叠卷积层（可选择性地后面接一些normalization和max-pooling层），后面接一个或多个全连接层。各种基于此的变种模型在MNIST、CIFAR和ImageNet分类竞赛任务上都取得了迄今为止最好的结果。对于像Imagene

最低0.47元/天 解锁文章
chenhoujiangsir
关注
  • 2
    点赞
  • 踩
  • 23
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
asp-net学习笔记.pdf
11-17
asp-net学习笔记.pdf
论文精读之--GoogLeNet
weixin_43584866的博客
01-12 1442
GoogLeNet是2014年Google团队提出的，其中L为大写，目的是为了致敬LeNet。论文的多处命名来自于电影盗梦空间。GoogLeNet主要的模型是Inception（中文翻译为盗梦空间）。论文题目为《Going deeper with convolutions》，来自于该图片：GoogLNet当年取得了ILSVRC 2014年分类冠军，检测冠军以及定位亚军。开启了多尺度，1*1卷积时代，以及衍生了GooLeNet v2 v3 v4系列。
GoogLeNet论文提炼
u011918382的博客
03-08 389
声明：本篇为转载博文，转载网址。本文介绍关于GoogLeNet第一篇正式论文，习惯称为inception v1，如下：[v1] Going Deeper with Convolutions，top5 error 6.67%在开始介绍论文之前，先说一些题外话，GoogLeNet这个名字的诞生由两方面促成，一是设计者在Google工作，二是向LeNet致敬。GoogLeNet只是一个名字，它的核心内容...
GoogleNet论文翻译和解析
最新发布
l_1037947629的博客
05-06 582
我们设计了一种深度卷积网络结构，命名为Inception，它用来在2014 年 ILSVRC14 大赛中设置分类和检测的新技术状态。这个结构主要特点是提高了网络内部计算机资源的利用率。这一点通过一个巧妙地设计来实现，该设计允许提高网络深度和规模的同时保持计算预算不变。为了优化质量，这个结构基于Hebbian原理和多尺度处理的直觉感知。注：Hebbian原理：一个神经科学理论，解释了在学习的过程中脑中的神经元所发生的变化，不用过多了解。
GoogleNet简述（图像分类篇）
栋哥修炼日记
01-17 678
文章是对博主视频讲解的一些总结。 博主链接：https://blog.csdn.net/qq_37541097?spm=1001.2014.3001.5509 1.预言 GoogLeNet来自2014年，出自Goole团队之手。 2.亮点 1.引入了Inception结构（融合了不同尺度的特征信息）===并行结构 2.使用了1x1的卷积核进行降维以及映射处理 3.添加两个辅助分类器帮助训练 4.丢弃FC层，使用平均池化层（大大减少模型参数） 2.1 Inception结构 当你不知道该采用什么样子卷积核尺寸
论文整理：GoogLeNet--Going deeper with convolutions
qq_52053775的博客
04-30 2993
1.摘要 我们提出了一种代号为“GoogleNet”的深度卷积神经网络架构，它负责在2014年ImageNet大规模视觉识别挑战(ILSVRC14)中设置分类和检测的新技术状态。该体系结构的主要特点是提高了网络内部计算资源的利用率。这是通过一个精心设计的设计来实现的，它允许增加网络的深度和宽度，同时保持计算预算不变。为了优化质量，体系结构的决策是基于赫布原则和多尺度处理的直觉。在我们提交给ILSVRC14时使用的一个特殊化身是GoogLeNet，这是一个22层的深度网络，其质量......
GoogLeNet学习笔记
KeEN_Xwh的博客
09-18 289
本专栏将从论文的角度解读一下CV方向的一些经典神经网络模型及其贡献与意义，以期加深自己的印象，后续可以随时翻看并且学习其中好的tricks。本期介绍GoogLeNet系列。 论文相关信息 论文全称《》 ...
2020-2021对偶学习论文笔记
07-19
2020-2021对偶学习论文笔记
GSM-SGD论文学习笔记.pptx
06-28
原论文地址:http://papers.nips.cc/paper/8867-global-sparse-momentum-sgd-for-pruning-very-deep-neural-networks.pdf
学习笔记学习笔记学习笔记
01-29
学习笔记学习笔记学习笔记
Java基础 学习笔记 Markdownr版
06-27
本学习笔记主要涵盖了Java的基础知识，包括面向对象、集合、IO流、多线程、反射与动态代理以及Java 8的新特性等方面，旨在帮助初学者或有经验的开发者巩固和提升Java编程技能。 1. 面向对象（OOP）：Java的核心是...
GoogleNet经典论文4篇
11-26
欢迎想入门CNN和深度学习的朋友们阅读论文。 GoogleNet始于LeNet-5，一个有着标准的堆叠式卷积层冰带有一个或多个全连接层的结构的卷积神经网络。通常使用dropout来针对过拟合问题。  为了提出一个更深的网络，GoogLeNet做到了22层，利用inception结构，这个结构很好地利用了网络中的计算资源，并且在不增加计算负载的情况下，增加网络的宽度和深度。同时，为了优化网络质量，采用了Hebbian原理和多尺度处理。GoogLeNet在分类和检测上都取得了不错的效果。  最近深度学习的发展，大多来源于新的想法，算法以及网络结构的改善，而不是依赖于硬件，新的数据集，更深的网络，并且深度学习的研究不应该完全专注于精确度的问题上，而更应该关注与网络结构的改善方面的工作。
goolenet论文（4篇）
12-04
[v1] Going Deeper with Convolutions, 6.67% test error, http://arxiv.org/abs/1409.4842 [v2] Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift, 4.8% test error, http://arxiv.org/abs/1502.03167 [v3] Rethinking the Inception Architecture for Computer Vision, 3.5% test error, http://arxiv.org/abs/1512.00567 [v4] Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning, 3.08% test error, http://arxiv.org/abs/1602.07261
GoogleNet-Caffe模型实现图像分类.txt
08-23
包含bvlc_googlenet.caffemodel、bvlc_googlenet.prototxt、synset_words.txt文件 和GoogleNet-Caffe模型实现图像分类源码、图片素材。 具体实现效果见CSDN博客“DNN系列2_GoogleNet-Caffe模型实现图像分类”
带你读论文系列之计算机视觉--GoogLeNet
wuli_xin的博客
07-14 384
带你读论文系列之计算机视觉–GoogLeNet 0 闲谈 玩起手机，看着电视，所有的计划都被抛之脑后，此时的快乐是深夜不舍睡下的愧疚。我总是想着明天怎么，而有时不知珍惜当下；总想着那些离开的朋友，而对现在不满；总想着如果这样，而不是我做了会如何。这两天反思了一下，我太依赖有人给我一个学习路线，往往自己探索学习发现的能力和勇气被打磨掉了。 小可爱，今天的内容有点多，坚持✊，你是最棒哒！ 1 背景及部分作者 论文名称来源 “We Need To Go Deeper”是电影《盗梦空间》中的一个表达，它经常出现在
GoogleLeNet(Inception-V1)论文及代码解析
stesha_chen的博客
08-13 6321
目录 GoogleLeNet论文 tensorflow代码分析 小结 GoogleLeNet论文        GoogleLeNet是2014年ImageNet中ILSVRC14竞赛的冠军，和VGG网络是同一届，VGG网络是当年竞赛的亚军。但是实际上两个网络的TOP-5错误率相差并不多，GoogleLeNet的网络结构相对VGG复杂一些，是一个22层的网络，并且提...
深度学习之图像分类（五）--GoogLeNet网络结构
木卯_THU的博客
08-31 3877
深度学习之图像分类（五）GoogLeNet网络结构 目录深度学习之图像分类（五）GoogLeNet网络结构1. 前言2. Inception 结构3. 辅助分类器4. 代码 本节学习 GoogLeNet 网络结构，学习视频源于 Bilibili，部分描述参考 大话CNN经典模型：GoogLeNet（从Inception v1到v4的演进)。 1. 前言 GoogLeNet 是 2014 年由 Google 团队提出的，斩获了当年 ImageNet 竞赛中 Classification Task 的第一名。
论文阅读 GoogleNet(Inception) Going deeper with convolutions
qq_45738761的博客
04-23 389
其中，那么卷积层的参数为128×5×5×256。此时如果上一层输出先经过具有32个输出的1×1卷积层，再经过具有256个输出的5×5卷积层，那么最终的输出数据仍为为100×100×256，但卷积参数量已经减少为128×1×1×32+32×5×5×256，相比之下参数大约减少了4倍。原始Inception 结构采用1×1、3×3和5×5三种卷积核的卷积层（和一个最大池化）进行并行提取特征，这可以加大网络模型的宽度，不同大小的卷积核也就意味着原始Inception 结构可以获取到不同大小的感受野。
GoogLeNet系列论文
qq_38156104的博客
07-21 2863
GoogLeNet Incepetion V1 这是GoogLeNet的最早版本，出现在2014年的《Going deeper with convolutions》。之所以名为“GoogLeNet”而非“GoogleNet”,文章说是为了向早期的LeNet致敬。 Motivation 深度学习以及神经网络快速发展，人们不再只关注更给力的硬件、更大的数据集、更大的模型，而是更在意新的idea、新的算法以及模型的改进。 一般来说，提升网络性能最直接的办法就是增加网络深度和宽度，即增加隐层和以及各层神经元
extJs+2.1学习笔记.pdf
06-15
"extJs+2.1学习笔记.pdf" 这篇学习笔记详尽地涵盖了ExtJs 2.1版本的关键概念和技术。ExtJs是一种基于JavaScript的富客户端框架，用于构建功能丰富的Web应用程序。笔记分为多个章节，逐步深入地介绍了ExtJs的核心...

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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