目录
数据的收集和预处理
数据的采集和标注(选择单种或多种数据完成任务,是否需要进行预处理)
数据的尺寸和我们要完成的任务有关系
模型选择
什么样的模型最适合完成任务
对多个模型的性能进行预判
模型的训练和优化
参数调优
结构调优
模型部署
模型性能的提升通过加深网络结构leNet(7层)->AlexNet(8层)->B=VGG(16或19层)->mobileNet(28层)
模型的宽度和性能
模型的特征重用,模型的效率
残差网络的改进(多分支denseNet)
分组网络(效率提升优化多分辨率卷积核,多尺度,多精度)
多尺度的结构:图像金字塔,多尺度网格
非正常卷积:带孔卷积(不增加计算量,增大感受野),可变形卷积,非局部卷积
多输入网络:Siamese,
时序任务:RNN,LSTM
三维网络:三维