分类超参数详解_深度图像分类网络小结(上)

weixin_39652658

于 2021-01-11 18:26:35 发布

阅读量381

点赞数

文章标签：分类超参数详解

本文链接：https://blog.csdn.net/weixin_39652658/article/details/112568058

版权

本文介绍了深度图像分类网络DenseNet, ResNext, Xception, PolyNet, DPN的特点。DenseNet通过紧密连接实现特征复用；ResNext结合ResNet和VGG堆叠策略，采用grouped convolutions；Xception是Inception的进阶版，使用depthwise separable convolution；PolyNet是多项式网络，结合Inception和ResNet；DPN结合DenseNet和ResNet，利用HORNN结构。" 111487264,10294734,FPGA实现的自适应旁瓣对消技术在雷达干扰抑制中的应用,"['雷达技术', 'FPGA实现', '干扰抑制', '自适应滤波', '电子工程']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

各位知乎儿好，几个月前，笔者曾写过一篇关于vgg，resnet，inception以及inception_resnet等深度图像分类网络的结构详解。除这些网络外，后续还有许多在图像分类任务上表现优异的网络，如DenseNet, ResNext, Xception, PolyNet, DPN(Dual Path Network), SENet, MobileNet, ShuffleNet, SqueezeNet以及最近非常火爆的NASNet等。本文中将对前五个网络的结构特点进行简单介绍，有想要展开了解的同学可以查看每一节后附的连接。

1. DenseNet

纵观深度分类网络的发展史，前人的工作总致力于加深网络层数或拓宽网络宽度，DenseNet从特征的角度出发，通过紧密连接实现特征复用，既大幅度减少了参数量，也有效地缓解了梯度消失现象。