![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习模型
日栱一卒
这个作者很懒,什么都没留下…
展开
-
Faster R-CNN
*、Faster R-CNN由四个部分组成:(1)、卷积层:提取图片特征。输入为整张图片,输出为feature maps(2)、RPN网络(Region Proposal Network):推荐候选区域。输入为整张图片(RPN网络和Fast R-CNN共用一个CNN,输入也可理解为feature maps),输出为多个候选区域(3)、Rol pooling:将不同大小的输入转换为固定长...原创 2019-08-26 16:31:29 · 175 阅读 · 0 评论 -
实战轻量化网络:SqueezeNet
1、SqueezeNet创新点提出Fire Module网络架构来压缩模型,包括一下3点:(1)1*1卷积核代替3*3卷积核,参数可减小到原来1/9(2)S1*1 < E1*1 + E3*3,Fire Module网络的开始采用1*1卷积核降维,减少输入通道数(3)为了给卷积层提供更多的信息,池化层放在相对靠后的地方,这样可以提高准确率2、SqueezeNet伪代码...原创 2019-04-28 14:13:54 · 577 阅读 · 0 评论