![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
cv论文阅读
虎娃娃huwawa
在读 只求你有快乐人生
展开
-
very deep convolutional networks for lorge-scale image recognition(VGG)阅读总结
文章目录1 网络结构及对比2 创新点2.1 小的卷积核2.2 多尺度进行训练和测试3 网络的训练和评估3.1 参数3.2 训练和测试3.3 评估4 结论 1 网络结构及对比 A → E:网络层从11到19层 A → A-LPN:添加了反应归一化层没有改善 B:增加了卷积层数 C: 添加了1×1的卷积层,相当于加入了非线性层(Relu) D:将1×1换成3×3说明肥牛盖饭的感受野表现更好 E: 加到19层模型饱和 2 创新点 2.1 小的卷积核 利用3×3替代5×5和7×7: ①减少参数 ②小的卷积核有更多原创 2020-07-26 10:57:43 · 116 阅读 · 0 评论 -
imagenet classification with deep convolutional neural networks(alexnet)阅读总结
文章目录1.数据集2.创新点????2.1 ReLU非线性????2.2 多GPU训练2.3 局部响应归一化2.4重叠池化????2.5 数据增强????2.6 DropOut3 网络结构4 结果分析4.1 top-1和top-5错误4.2 定量分析 1.数据集 ImageNet:1500万张图片,2.2万类别 ILSVRC比赛数据集:ImageNet的一个子集,1000个类别,每个类别大概1000张图。120万张训练图片,5万张验证集图片,15万张测试集图片。 2.创新点 ????2.1 ReLU非线性原创 2020-07-26 10:19:56 · 174 阅读 · 0 评论