B站北邮计算机视觉学习笔记

视频地址：https://www.bilibili.com/video/BV1V54y1B7K3?p=10&spm_id_from=pageDriver

深度神经网络的层数计算：

1、计算 网络层数时仅统计卷积层与全连接层；

2、池化层与各种归一化层都是对它们前面卷积层输出的特 征图进行后处理，不单独算作一层。

小卷积核的优势：

多个小尺寸卷积核串联可以得到与大尺寸卷积核相同的感受野 使用小卷积核串联构建的网络深度更深、非线性更强、参数也更少。

 

平均池化向量化和直接展开向量化的对比：

特征响应图上每个位置的值反应了图像对应位置的结构与卷积核记 录的语义结构的相似程度

平均池化丢失 了 语义结构的空间位置信息

忽 略语义结构的位置信息，有助于提升卷积层提取到的特征的平移不变性

 

1*1卷积的好处：

利用1x1 卷积进行非线性压缩通常不会损失信息。

 

Resenet关于残差结构： 1.残差结构能够避免普通的卷积层堆叠存在信息丢失问题 保证前 向信息流的顺畅 。 2.残差结构能够应对梯度反传过程中的梯度消失问题 保证反向梯 度流的通顺 。

 

残差网络性能好的原因：一种典型的解释：残差网络可以看作是一种集成模型！