- 博客(26)
- 收藏
- 关注
原创 深度学习Day-26:Inception-V3算法实战与解析
Inception v3的主要特点如下:1.更深的网络结构:Inception v3比之前的Inception网络结构更深,包含了48层卷积层。这使得网络可以提取更多层次的特征,从而在图像识别任务上取得更好的效果。2.使用Factorized Convolutions:Inception v3采用了Factorized Convolutions(分解卷积),将较大的卷积核分解为多个较小的卷积核。这种方法可以降低网络的参数数量,减少计算复杂度,同时保持良好的性能。
2024-07-23 00:54:45
650
原创 深度学习Day-25:Inception-V1算法实战与解析
Inception v1是一种深度卷积神经网络,该网络的最大特点是使用了Inception模块,该模块通过多种不同的卷积核来提取不同大小的特征图,并将这些特征图拼接在一起,从而同时考虑了不同尺度下的特征信息,提高了网络的准确性和泛化能力。在Inception v1中,Inception模块一般由1x1、3x3和5x5的卷积层以及一个最大池化层组成,同时还会在最后加上一个1x1的卷积层来减少通道数,从而避免参数过多的问题。
2024-07-16 17:05:59
844
原创 深度学习Day-24:ResNeXt-50算法思考
中的学习记录博客问题:如果conv_shortcut=False,那么执行“x=Add()…”语句时,通道数不一致的,为什么不会报错?
2024-07-09 10:57:56
469
1
原创 深度学习Day-23:ResNeXt-50实战解析
ResNeXt是ResNet的升级版,在ResNet的基础上,引入了cardinality的概念,类似于ResNet,ResNeXt也有ResNeXt-50,ResNeXt-101的版本。这篇文章介绍了一种用于图像分类的简单而有效的网络架构,称为Aggregated Residual Transformations for Deep Neural Networks。该网络采用了VGG/ResNets的策略,通过重复层来增加深度和宽度,并利用分裂-变换-合并策略以易于扩展的方式进行转换。
2024-07-01 22:44:16
1021
原创 深度学习Day-22:DenseNet + SE-Net实战
SE-Net 是 ImageNet 2017(ImageNet 收官赛)的冠军模型,是由WMW团队发布。具有复杂度低,参数少和计算量小的优点。且SENet 思路很简单,很容易扩展到已有网络结构如 Inception 和 ResNet 中。已经有很多工作在空间维度上来提升网络的性能,如 Inception 等,而 SENet 将关注点放在了特征通道之间的关系上。
2024-06-26 20:09:08
634
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人