CV基础
文章平均质量分 93
啵啵菜go
这个作者很懒,什么都没留下…
展开
-
【论文阅读】从经典网络结构理解图像分类模型的发展(三)——GoogLeNet/Inception
GoogleNet及其Inception系列模型在深度学习领域是非常重要的里程碑,它们推动了网络架构的创新,并对后续的网络设计产生了深远影响。然而,随着深度学习技术的不断进步,一些特性被新的设计理念所取代,而其他一些特性则被保留并进一步发展。被淘汰的特性:5x5 卷积:随着Inception模型的发展,大尺寸的卷积核(如5x5)被逐渐淘汰,因为它们计算成本高,效率低下。在后续版本中,更多地使用了分解卷积的策略,例如使用一系列较小的卷积核(如3x3 或 1x1)来替代。辅助分类器。原创 2024-01-29 01:05:18 · 921 阅读 · 1 评论 -
【论文阅读】从经典网络结构理解图像分类模型的发展(二)——VGGNet
VGGNet对计算机视觉领域的贡献主要体现在其引入的更深层次的网络结构和统一的卷积层设计。VGGNet是最早证明通过增加网络深度可以显著提升性能的模型之一。它采用了多层统一大小(3x3)的卷积核,这种设计不仅简化了网络结构,还展示了小卷积核堆叠的有效性。VGGNet的这一设计哲学对后续更深层次网络的开发产生了重要影响,例如在ResNet等网络中就能看到其影响的踪迹。VGGNet在其设计中也有所改进和创新。与之前的网络如AlexNet相比,VGGNet通过使用小卷积核减少了单层的参数数量,同时增加了网络的原创 2024-01-27 17:28:06 · 1011 阅读 · 0 评论 -
【论文阅读】从经典网络结构理解图像分类模型的发展(一)——AlexNet
AlexNet在2012年的ImageNet挑战赛中取得突破性成功后,对深度学习和计算机视觉领域产生了深远的影响。许多它的特点和创新点在之后的研究和实践中被广泛采用,而有些则随着技术的发展逐渐被新方法所取代。沿用至今的特点和创新ReLU激活函数:ReLU 现在仍是大多数深度学习架构的标准激活函数,它有助于解决梯度消失问题,并加速神经网络的训练。使用GPU进行训练:利用GPU的并行计算能力大幅提高训练速度是现代深度学习实践的标准。多层结构。原创 2024-01-27 01:43:13 · 919 阅读 · 1 评论