linchuhai的博客

1. 引言    随着卷积神经网络CNN在图像任务上不断取得的进展，很多学者对CNN的各个因素进行了探讨和改进，以进一步提高CNN在计算机视觉中的任务，比如CNN的卷积核大小、步伐等，在本文，我们将介绍一个非常经典的CNN模型——VGGNet，这个模型是在2014年由Karen Simonyan等人提出来的，在论文中，作者主要研究的是在控制其他变量不变的情况下，逐渐增加CNN的层数，是否可以对C...

1. 引言    前面我们介绍了VGGNet在图像识别中的应用，在VGGNet中，作者提出随着CNN网络层数的加深，模型的效果会进一步得到提升，但是在这篇论文提出来之后，有学者发现，随着层数的加深，当深度达到一定数值之后，模型的准确率不仅没有提升，反而下降了，如图所示：    最开始有学者以为是梯度消失或爆炸的问题导致的，但是这个问题可以被Batch Normalization解决，并且加了...

1. 引言    在很多计算机视觉任务中，由于同一张图像中的物体往往会有不一样的尺寸，因此，我们经常需要提取图像中不同尺度的特征来提高模型的效果，在以往的经验中，我们知道可以通过堆叠不同的CNN层、采用不同size的卷积核、残差连接等来实现。在本文中，我们将介绍一种更加细粒度的方法——Res2Net，该方法是2019年由程明明等人提出来的一种新模块，通过简单修改ResNet中的Bottlenec...