【CV-baseline】论文笔记
文章平均质量分 90
10篇基础CV深度学习论文笔记
西风瘦马1912
在美留学生,从事可穿戴设备工作
展开
-
【CV-baseline】05GoogLeNet_v3(笔记)
论文标题:Rethinking the Inception Architecture for Computer Vision 作者: Christian Szegedy etc. 单位: Google Inc. 时间: 2015 学习目标 模型设计准则 模型设计技巧 卷积分解 辅助分类层探讨 特征图下降策略 标签平滑 低分辨率图像分类 测试技巧 Multi-crop测试 多模型融合 论文导读 研究背景 GoogLeNet–V1 采用多尺度卷积核,1×11\times 11×1卷积操作, 辅原创 2021-01-07 10:25:26 · 175 阅读 · 0 评论 -
【CV-baseline】04GoogLeNet-v2-笔记
学习目标 Batch Normalization Internal Covariate Shift GoggleNet-2 论文导读 论文研究背景、成果以及意义 背景 Internal Covariate Shift ICS现象:输入数据分布变化,导致的模型训练困难,对深度神经网络影响极大. 具体到神经网络,就是一个网络层中的不同神经元输入的的数据分布不均匀,比如第一个神经元的输入数据是均值为0的正态分布,但是另一个神经元的输入数据是均值为-3的正态分布。 白化 去除输入数据的冗余信息,使得数据特征之间原创 2021-01-06 02:15:52 · 159 阅读 · 0 评论 -
【CV-baseline】03GoogLeNet-笔记
学习目标 模型结构设计 多尺度卷积 1×11\times 11×1卷积降维 池化保留特征 中间层输出辅助损失 训练技巧 尺度扰动:8% ~ 100% 长宽比: [3/4, 4/3] 亮度、饱和度和对比度 测试技巧 Multi-crop测试: 1-144 多模型融合 论文导读 背景、成果和意义 背景 ILSVRC=2014 相关研究 NIN:首个采用1×11\times 11×1卷积的卷积神经网络,舍弃全连接层,大大减少网络参数 赫布理论:一起激发的神经元连接在一起 Robust O原创 2020-12-30 09:27:20 · 193 阅读 · 0 评论 -
【CV-baseline】02VGG-论文笔记
学习目标 模型结构设计 小卷积核 堆叠使用卷积核 分辨率减半,通道数翻倍 训练技巧 尺度扰动 预训练模型初始化 测试技巧 多尺度测试 Dense测试 Multi-crop测试 多模型融合 论文导读 背景、成果和意义 背景 ILSVRC-2014 相关研究 AlexNet: 借鉴卷积模型结构 ZFNet: 借鉴其采用小卷积核思想 OverFeat: Dense test, 借鉴全卷积,实现了高效的稠密预测 重复使用中间像素 多重feature map提高原创 2020-12-23 14:02:55 · 270 阅读 · 0 评论