very deep convolutional networks for large-scale image recognition---vggnet

这篇论文提到的模型基本结构和alexnet特别类似:

vgg: 提出的是一个网络模型,作者试验了不同参数层从11到19 (weight layers)


以16个参数层为例, 2-pooling-2-pooling-3-pooling-3-pooling-3-pooling-fc-pooling-fc-pooling-fc-sotfmax,, 数字代表卷积层的个数,每个weight layer之后都有一个ReLU.


值得关注的几点:

1.为什么小的卷积核和比大的卷积核的参数更少


比如三个3X3的卷积核的参数与一个7X7的卷积核 在输入中的reception field一样大,但是3x3的参数个数 3x(3x3xInputxOutput),而一个7x7的参数个数(7x7xInputxOutput)...用相对小但是多的卷积层好处不仅仅是参数少了,更重要的是在每个卷积层后都会有ReLU,所以网络具有更强的非线性表达能力(decision function more discrimination)



评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值