- 博客(26)
- 收藏
- 关注
RSS订阅原创 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