白桃deep_learning博客

1、学习目标训练技巧中认识googleNet提出的数据增强技巧；测试技巧中一张图片怎样变成144张图片。2、背景、成果及意义相关研究1、NIN（Network in Network网中网）：首个采用1*1卷积的卷积神经网络，舍弃全连接层，大大减少网络参数；压缩特征图的厚度，为后续卷积计算提供更少的feature map及通道数量2、Robust Object Recognition with Cortex-Like Mechanisms[15]：多尺度Gabor滤波器提取特征；参考文献[15

VGG-大规模图像识别的深度卷积神经网络一、研究背景、成果及意义1、学习目标这篇文章是针对卷积神经网络的深度去研究的，并且是针对大规模的图像识别任务中。2、研究背景、成果及意义相关研究1、AlexNet：ILSVRC-2012分类冠军，里程牌的CNN模型AlexNet卷积神经网络设计理念会一直沿用，前面卷积池化进行特征提取，后面FC层分类的设计思想。2、ZFNet：ILSVRC-2013分类冠军，对AlexNet改进仅仅是对AlexNet超参数的改变3、OverFeat：ILSVRC

AlexNet-ImageNet Classification with Deep Convolutional Neural Networks 基于深度卷积神经网络的图像分类一、研究背景1、学习目标2、研究背景（1）数据集1）Mnist可以称为CV领域的Hello world，也就是我们入门CV领域的第一个接触的数据集，该数据集为人手写的0-9的10个数字，该数据集图片的分辨率为2828；2）Cifar-10与Mnist对标的数据集，是RGB图像，分辨率为3232；但是这些数据集数据量还是非