Computer Vision-几个常用的卷积神经网络

Computer Vision-几个常用的卷积神经网络

1. Mobilenet
MobileNet描述了一个高效的网络架构,允许通过两个超参数直接构建非常小、低延迟、易满足嵌入式设备要求的模型。

  • 第一个参数宽度因子α(Width multiplier),用于控制输入和输出的通道数。宽度因子将计算量和参数降低了约 a^2倍。
  • 第二个控制模型大小的超参数是:分辨率因子ρ (resolution multiplier)。用于控制输入和内部层表示。即用分辨率因子控制输入的分辨率。分辨率因子将计算量和参数降低了约ρ2倍,可很方便的控制模型大小。

目前已有Mobilenet v1和v2两个版本。
2.Faster-RCNN
使用RPN(Region Proposal Network)代替原来的Selective Search方法产生建议窗口;产生建议窗口的CNN和目标检测的CNN共享,从而降低运算能力的浪费,提高计算速度。
资料网站:https://www.cnblogs.com/dudumiaomiao/p/6560841.html
3.SSD
一种直接预测目标类别和bounding box的多目标检测算法。与faster rcnn相比,该算法没有生成 proposal(建议窗口) 的过程,这就极大提高了检测速度。SSD算法则利用不同卷积层的 feature map 进行综合也能达到同样的效果。算法的主网络结构是VGG16,将最后两个全连接层改成卷积层,并随后增加了4个卷积层来构造网络结构。
资料网站:https://www.cnblogs.com/xuanyuyt/p/7447111.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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