论文讲解
文章平均质量分 93
Keep_Trying_Go
无
展开
-
ShuffleNetV2网络结构讲解(TensorFlow-2.6.0实现结构)
文章目录1.论文地址2.ShuffleNetV1网络结构3.旷视轻量化卷积神经网络ShuffleNetV2(1)四种不同的模型在两种硬件平台上的结果(2)两个模型在两种硬件平台上的模型计算时间的对比(3)神经网络参数量,计算量FLOPS,内存访问量MAC4.轻量化网络设计原则(1)输入输出通道数相同时,内存访问量MAC最小(2)分组数过大的分组卷积会增加MAC(3)碎片化的操作对并行加速并不友好(4)逐元素操作(Element-wise)带来的内存和耗时不可忽略5.ShuffleNetV2模型结构6.实验结原创 2022-05-15 20:14:53 · 2494 阅读 · 1 评论 -
MobileNetV2轻量化网络结构(TensorFlow-2.6.0实现结构)
文章目录1.论文地址2.关于MobileNetV1博客3.MobileNetV1的局限性4.模型之间的对比(1)MobileNetV1和MobileNetV2(2)ResNet和MobileNetV25.MobileNetV2采用了新的激活函数ReLU66.MobileNetV2网络结构7.为什么很多Depthwise convolutions之后训练出来的很多都是0呢?8.实验结果对比9.TensorFlow实现网络结构1.论文地址https://arxiv.org/abs/1801.043812原创 2022-05-07 20:18:47 · 1847 阅读 · 0 评论 -
EfficientNetV2结构讲解( Smaller Models and Faster Training)
EfficientNetV2结构讲解原创 2022-06-08 20:35:01 · 1996 阅读 · 0 评论 -
LeNet5网络结构详解
文章目录1.论文地址:2.LeNet5网络结构:3.首先了解参数量和计算量之间的区别和计算:(1)参数量(Params):(2)计算量(FLOPS):(3)举例说明:4.网络结构细讲:(1)首先输入图像(灰度图):(2)第一层卷积:(3)第二层池化:(4)第三层卷积:(5)第四池化层:5.Tensorflow2.6.0实现网络结构:1.论文地址:http://yann.lecun.com/exdb/publis/pdf/lecun-01a.pdf2.LeNet5网络结构:3.首先了解参数量和计算量原创 2022-04-06 20:37:46 · 5043 阅读 · 0 评论 -
ResNet网络结构详解(Tensorflow2.6.0实现网络结构)
文章目录1.ResNetX网络结构表(1)ResNet18网络结构:(2)ResNet34网络结构:2.卷积神经网络的发展(1).卷积神经网络的发展:(2).卷积神经网络的再一次崛起:3.ResNet18网络结构讲解(1)输入图片:(2)第一层输入图片的卷积和池化:(3)第一组conv2_x:(4)第一组conv3_x:(5)第一组conv4_x:(6)第一组conv5_x:(7)最后进行全局平局池化操作,全连接层和softmax,输出1000个类别概率:4.相关问题和思考(1)2.既然更深的网络可以提取到原创 2022-04-16 20:09:46 · 6938 阅读 · 0 评论 -
知识蒸馏(Distilling the Knowledge in a Neural Network)
文章目录1.论文作者介绍2.论文地址3.什么是知识蒸馏4.为什么要提出知识蒸馏5.知识蒸馏中Teacher model和Student model6.采用soft targets和hard targets(1)对于传统的hard targets(2)Soft targets7.公式解释8.知识蒸馏的应用场景9.实验过程(1)在MNIST手写体数字识别数据集上进行了训练(2)零样本学习1.论文作者介绍(1)Jeff Dean:天才程序员,谷歌搜索索引技术的幕后大脑(编译器不警告Jeff Dean,Jeff原创 2022-05-27 20:33:54 · 764 阅读 · 1 评论 -
FCN——深度学习领域图像分割(Fully Convolutional Networks for Semantic Segmentation)
深度学习领域图像分割FCN(Fully Convolutional Networks for Semantic Segmentation)原创 2022-07-26 23:45:22 · 1364 阅读 · 0 评论 -
U-Net生物医学图像分割讲解(Convolutional Networks for BiomedicalImage Segmentation)
U-Net生物医学图像分割讲解(Convolutional Networks for BiomedicalImage Segmentation)原创 2022-08-01 22:44:40 · 924 阅读 · 0 评论 -
U-Net++(Redesigning Skip Connections to ExploitMultiscale Features in Image Segmentation)论文详解
U-Net++(Redesigning Skip Connections to ExploitMultiscale Features in Image Segmentation)论文详解原创 2022-08-12 22:08:47 · 1859 阅读 · 0 评论 -
MobileNetV1轻量化网络结构(Tensorflow-2.6.0实现结构)
文章目录1.论文地址2.介绍3.GPU和CPU上前向传播的计算量4.标准卷积和深度可分离卷积5.深度可分离卷积计算机量对比6.MobileNetV1网络结构7.结果的对比8.MobileNetV1网络结构实现1.论文地址https://arxiv.org/abs/1704.048612.介绍MobileNet是谷歌轻量化卷积神经网络,轻量化网络广泛用于无人驾驶,移动端,物联网的边缘计算和人工智能算法部署,所以MobileNet也成为了很多轻量化网络的骨干网络。3.GPU和CPU上前向传播的计原创 2022-05-03 20:46:35 · 1595 阅读 · 0 评论 -
ShuffleNetV1网络结构(Tensorflow-2.6.0实现结构)
文章目录1.论文地址2.旷视轻量化卷积神经网络shuffleNet(1)分组卷积(2)Channel Shuffle(通道重排)3.shuffletNet模块4.ResNet,ResNeXt和ShuffleNet计算量的对比(1)ResNet(2)ResNeXt(3)ShuffleNet5.ShuffleNet结构6.实验结果对比(1)对比一(2)不同网络宽度下的比较(3)改造各个模型之后进行对比(4)ShuffleNet和MobileNet进行对比(5)和经典模型之间的额对比(6)8.TensorFlow原创 2022-05-10 21:53:06 · 879 阅读 · 0 评论 -
EfficientNetV1结构讲解(Rethinking Model Scaling for Convolutional Neural Networks)
文章目录1.论文地址2.卷积神经网络发展历程3.EfficientNetV1提出原因4.EfficientNetV1优化网络结构的思路5.图表比较6.depth,width,resolution调整图7.depth,width,resolution的缩放8.实验结果1.论文地址 https://arxiv.org/abs/1905.119462.卷积神经网络发展历程在AlexNet横空出世之后,卷积神经网络被大量应用于深度学习深度学习的研究如雨后春笋般出现;到2013年的图像分类冠军ZFNet,;原创 2022-05-29 21:23:39 · 349 阅读 · 0 评论 -
InceptionV1网络结构讲解(Tensorflow-2.6.0实现结构)
文章目录1.结构表2.InceptionV1提升网络性能的方法3.InceptionV1模块(1)模块一(2)模块二 (改进模块)4.网络结构5.关于1x1的作用6.Multi-scale processing1.结构表2.InceptionV1提升网络性能的方法传统的模块提升网络性能的方法是增加网络深度和宽度(卷积核的个数),但是会存在一些问题:1.参数量太大,如果训练数据集有限,很容易产生过拟合。2.网络模型越大,参数越多,则计算复杂度越大,对内存的占用和计算量的要求很高。3.网络结构越原创 2022-04-19 20:35:08 · 2473 阅读 · 1 评论 -
DeepLabV3(Rethinking Atrous Convolution for Semantic Image Segmentation)
DeepLabV3(Rethinking Atrous Convolution for Semantic Image Segmentation)原创 2022-09-14 18:12:02 · 2567 阅读 · 0 评论 -
AlexNet网络结构详解及网络结构的实现(pytorch)
文章目录1.论文地址:2.前置知识:3.分组卷积的参数量和计算量的计算方式:4.AlexNet网络结构:5.卷积过程:(1)第一层卷积:(2)第二层卷积:(3)第三层卷积:(4)第四层卷积:(5)第五层卷积:(6)全连接层:(7)全连接层:(8)输出层:6.pytorch网络结构:(1)源码:(2)网络结构细节:1.论文地址:http://www.cs.toronto.edu/~fritz/absps/imagenet.pdf2.前置知识:Tensorflow中的padding操作和Pytorch中原创 2022-04-10 16:39:12 · 4434 阅读 · 4 评论 -
ZFNet一点总结
文章目录1.论文地址2.反卷积可视化3.为什么要可视化卷积神经网络呢?4.改进的AlexNet5.反池化6.反激活和反卷积7.不变性8.训练过程中不同层特征演化可视化,平移,缩放和旋转敏感分析9.遮挡敏感分析10.局部相关性遮挡分析11.在Imagenet上训练的模型迁移学习泛化分析;Caltech-101,Caltech-256,PASCAL VOC 2012;全连接层和卷积层去除的性能分析;各层特征有效性能分析1.论文地址https://arxiv.org/abs/1311.29012.反卷积可原创 2022-05-18 20:27:15 · 413 阅读 · 0 评论 -
InceptionV3网络结构讲解(Tensorflow-2.6.0实现网络结构)
文章目录1.论文下载地址2.结构表3.改进的三种inception(1)改进inception模块1:(1)改进inception模块2:(1)改进inception模块3:4.特征图缩放和通道数增加的方式5.四条原则(1)原则一:(2)原则二:(3)原则三:(4)原则四:6.总结7.网络结构实现1.论文下载地址https://arxiv.org/abs/1512.005672.结构表3.改进的三种inception原始的InceptionV1模块:关于以下模块的数量和计算的计算量可以参考原创 2022-04-24 20:44:02 · 7140 阅读 · 0 评论 -
Xception结构讲解(Tensorflow-2.6.0实现结构)
文章目录1.前言2.深度可分离卷积和普通卷积(1)普通的卷积操作(standard convolution)(2)深度可分离卷积(depthwise convolution)(3)点卷积(pointwise convolution)——1x1卷积3.对inceptionV3模块进行改进(1)inceptionV3中的原始模块(2)第一层简化(3)第二层简化(4)最后的简化4.Xception整体网络结构5.实验结果对比(补充)(1)深度可分离卷积中激活函数使用问题(2)在Imagenet数据集上训练的结果(原创 2022-04-29 21:25:50 · 4170 阅读 · 0 评论 -
DenseNet讲解(Tensorflow-2.6.0实现结构)
文章目录1.论文地址2.DenseNet结构3.ResNet与DenseNet的对比(1)ResNet(深度残差网络,Deep residual network)(2)DenseNet4.公式理解(传统CNN,ResNet,DenseNet)5.网络结构讲解(1)DenseNet的连接方式(2)DenseBlock模块(3)bottleneck层(4)Transition层6.实现结果对比7.DenseNet的优缺点(1)更强的梯度流动(2)使用1x1的卷积减少了参数量(3)保存了低维度的特征(4)Dens原创 2022-05-01 20:57:56 · 3106 阅读 · 5 评论 -
DeepLabV1(semantic image segmentation with deep convolutional nets and fully connected CRFs)论文
DeepLabV1(semantic image segmentation with deep convolutional nets and fully connected CRFs)论文原创 2022-08-20 21:59:55 · 1121 阅读 · 0 评论 -
ShuffleNetV2网络结构训练模型(图像分类)
文章目录1.ShuffleNetV2网络结构讲解2.重新搭建ShuffleNetV2模型结构(便于训练)(1)关于数据集和训练的整个代码可以参考我这篇文章3.训练结果4.图像测试1.ShuffleNetV2网络结构讲解https://blog.csdn.net/Keep_Trying_Go/article/details/1247741292.重新搭建ShuffleNetV2模型结构(便于训练)(1)关于数据集和训练的整个代码可以参考我这篇文章https://mydreamambitious.b原创 2022-05-15 20:27:08 · 2080 阅读 · 0 评论 -
InceptionV2(Batch Normalization)
1.转载博主一:https://blog.csdn.net/u013841196/article/details/806299222.转载二:https://www.jianshu.com/p/a78470f521dd原创 2022-04-19 21:32:28 · 240 阅读 · 0 评论 -
DeepLabV2(Semantic Image Segmentation withDeep Convolutional Nets, Atrous Convolution,and Fully C)
DeepLabV2(Semantic Image Segmentation withDeep Convolutional Nets, Atrous Convolution,and Fully C)原创 2022-09-13 15:06:44 · 954 阅读 · 0 评论 -
GAN原理及Pytorch框架实现GAN(比较容易理解)
Pytorch框架实现GAN(比较容易理解)原创 2023-04-26 14:58:23 · 5116 阅读 · 12 评论 -
CycleGAN的基本原理以及Pytorch框架实现
CycleGAN的基本原理以及Pytorch框架实现原创 2023-05-01 10:37:41 · 10443 阅读 · 7 评论 -
Pytorch框架实现WGAN-GP
Pytorch框架实现WGAN-GP原创 2023-05-04 13:20:34 · 2538 阅读 · 3 评论 -
自编码器原理及使用Pytorch框架实现(AutoEncoder)
自编码器原理及使用Pytorch框架实现(AutoEncoder)原创 2023-05-12 13:32:59 · 2173 阅读 · 0 评论 -
Pytorch实现自编码器变种
Pytorch实现自编码器变种原创 2023-05-12 13:37:38 · 475 阅读 · 0 评论 -
Pytorch框架实现VAE(Variational Autoencoder)
Pytorch框架实现VAE(Variational Autoencoder)原创 2023-05-18 14:25:42 · 1539 阅读 · 0 评论 -
Pytorch框架实现Pix2Pix(Image-to-image)
Pytorch框架实现Pix2Pix(Image-to-image)原创 2023-05-06 14:49:39 · 2416 阅读 · 0 评论 -
GAN实现图像的去噪(Pytorch框架实现)
GAN实现图像的去噪(Pytorch框架实现)原创 2023-05-20 13:44:23 · 4678 阅读 · 18 评论 -
Pytorch框架实现DCGAN(比较容易理解)
Pytorch框架实现DCGAN(比较容易理解)原创 2023-04-27 12:10:48 · 3233 阅读 · 0 评论 -
WGAN基本原理及Pytorch实现WGAN
WGAN基本原理及Pytorch实现WGAN原创 2023-05-03 15:21:06 · 11812 阅读 · 3 评论 -
论文The Effectiveness of a Simplified Model Structure for Crowd Counting(FFNet)详解
当前的人群统计模型方法比较复杂,使用简单的 结构构建一个高性能的人群统计模型。采用多尺度特征融合的方法主要目的是对不同尺。第二点:一个多尺度特征融合结构,这个多尺度特征。融合结构包含三个分支,并且融合的方法采用直。第一点:采用已有的分类模型。原创 2024-08-20 16:07:15 · 788 阅读 · 0 评论 -
论文Domain-General Crowd Counting in Unseen Scenarios(DCCUS)详解以及对应代码详解
元训练涉及在多个不同但相关的任务上训练一个元学习者(或元模型)。目的在于提取有效的学习策略,从而使模型在后续的元测试阶段能更有效地解决新任务。原创 2024-10-07 16:37:58 · 384 阅读 · 0 评论