本文详述了卷积神经网络（CNN）的经典算法，包括LeNet-5、AlexNet、VGGNet、GoogLeNet/Inception和ResNet，并探讨了CNN的轻量化结构如SqueezeNet、MobileNet和ShuffleNet。此外，还概述了CNN的重要进展，如AlexNet引入ReLU和Dropout，以及ResNet的残差学习。文章还讨论了目标检测技术的发展，如R-CNN系列和YOLO。最后，分析了CNN结构的演化和比较，展示了不同模型在ImageNet上的性能。
DL之CNN：计算机视觉之卷积神经网络算法的简介—CNN历年冠军算法、轻量化经典结构及其演化、重要进展及其改进技巧、经典结构演化及其对比之详细攻略(建议收藏)
目录
1.2、1980年Neocognitron(convolution&pooling)→1986年BPNN/MLP→1998年LeNet/CNN
1.3、2012年AlexNet(ReLU&dropout&bigger)
1.4、2013年R-CNN→2013年NIN→2014年VGG
1.5、2015年Fast R-CNN→2015年Faster R-CNN→2016年ResNet
2.1、目标检测/各种姿态势识别/3D传感→融合NLP的图像描述/事件推理/场景理解
图像分类算法的Top5错误率对比——ImageNet中的经典结构
经典算法的的演进——比图像分类网络模型的演进，网络深度、网络轻量化
经典算法的网络复杂度Comparing complexity比较——准确度、算力综合比较
模型深度比较——ILSVRC的Revolution of Depth 深度革命
AlexNet、VGG、GoogleNet、ResNet对比
基于DCNN的目标检测算法发展路线：R-CNN→SPPNet→Fast R-CNN→Faster R-CNN→YOLO→SSD→R-FCN
相关文章
DL：深度学习(神经网络)的简介、基础知识(神经元/感知机、训练策略、预测原理)、算法分类、经典案例应用之详细攻略
DL之CNN：计算机视觉之卷积神经网络算法的简介(经典架构/论文)、CNN优化技术、调参学习实践、CNN经典结构及其演化、案例应用之详细攻略
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
