![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
主流CNN分类网络
文章平均质量分 84
学习卷积神经网络的几个基本网络模型,主要用于图像分类领域。
种花家的码农
亦狂亦侠亦温文,有书有笔有肝胆!
展开
-
VGGNet网络模型
VGGNet是牛津大学计算机视觉组(Visual Geometry Group)和Google DeepMind公司的研究员一起研发的的深度卷积神经网络。VGGNet探索了卷积神经网络的深度与其性能之间的关系,通过反复堆叠3x3的小型卷积核和2x2的最大池化层,VGGNet成功地构筑了16~19层深的卷积神经网络。并取得了ILSVRC 2014比赛分类项目的第2名(错误率7.3%)和定位项目的第1名。原创 2023-02-17 11:16:09 · 374 阅读 · 0 评论 -
AlexNet网络模型
2012年,Hinton的学生Alex Krizhevsky在《深度卷积神经网络的ImageNet分类》一文中提出了深度卷积神经网络模型AlexNet,是LeNet的一种更深更宽的版本。这是第一次将深度卷积神经网络 (CNN)、GPU 和巨大的互联网来源数据集(ImageNet)结合在一起。AlexNet首次在CNN中成功应用了ReLU、Dropout和LRN等Trick。AlexNet包含了6亿3000万个连接,6000万个参数和65万个神经元,拥有5个卷积层,其中3个卷积层后面连接了最大池化层,最后还有原创 2023-02-16 09:47:27 · 602 阅读 · 0 评论