MobileNet V1 & V2
残差结构和倒残差结构,框架是一致的,只是升降维和使用的卷积不太相同,而且倒残差结构这用的是Relu6激活函数
Relu激活函数对低维的特征信息会造成较大损失
MobileNet V3
ShuffleNet
SENet
用加入了SE的网络训练cifar10
代码作业
HybridSN网络部分
训练结果
测试结果
思考题
训练HybridSN,然后多测试几次,会发现每次分类的结果都不一样,请思考为什么?
权重初始化是随机的,同时HybridSN使用了dropout随机失活,都有一定的随机性,所以分类结果都不一样
如果想要进一步提升高光谱图像的分类性能,可以如何改进?
增加数据集大小,使用数据增强操作来增加数据多样性。
尝试不同的优化器来优化网络参数
运用迁移学习,利用已经成熟的高光谱分类网络所得到的权重,再进行训练调整
depth-wise conv 和 分组卷积有什么区别与联系?
区别:
DW卷积是在每个通道上进行卷积后,再分成一块一块进行组合,比如说每一组的第一份放一起,第二份放一起等等,融合不同group的信息。而分组卷积对于同一组内是没有交流的。
联系:
两种卷积都可以减少参数量和计算量从而提高计算效率,并且损失很低
SENet 的注意力是不是可以加在空间位置上?
可以
在 ShuffleNet 中,通道的 shuffle 如何用代码实现