![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
xin心扉
这个作者很懒,什么都没留下…
展开
-
ResNeXt
版权声明:本文为博主原创文章,未经博主允许不得转载论文:https://arxiv.org/abs/1611.054312017年发表在CVPR 创新点:提出了”cardinality",原文是这么描述的,increasing cardinality is more effective than going deeper or wider 。改变了传统Vgg,Resnet堆...原创 2018-11-30 13:29:46 · 3099 阅读 · 3 评论 -
Inception V1-V4
论文:Inception V1:https://arxiv.org/abs/1409.4842tensorflow官方代码:https://github.com/tensorflow/models/blob/master/research/slim/nets/inception_v1.py 网络结构:网络基本模块:要想提高CNN的网络能力,一般让网络更深或者更宽。Inc...原创 2018-11-28 20:22:05 · 231 阅读 · 0 评论 -
Xception
版权声明:本文为博主原创文章,未经博主允许不得转载Xception: Deep Learning with Depthwise Separable Convolutions论文:https://arxiv.org/abs/1610.02357CVPR2017年的文章创新点:分组卷积,分到极限,一个通道一组。原文解析:作者先是提到了InceptionV3模块的结构,如下图:...原创 2018-12-03 11:15:15 · 905 阅读 · 0 评论 -
卷积神经网络总览
转载自:https://zhuanlan.zhihu.com/p/31006686https://zhuanlan.zhihu.com/p/33845247LeNet:1998,Gradient based learning applied to document recognition卷积神经网络的开山之作,结构非常简单,如图所示:AlexNet:2012,Imag...转载 2019-02-17 21:45:29 · 538 阅读 · 0 评论 -
DenseNet
版权声明:本文为博主原创文章,未经博主允许不得转载论文:Densely Connected Convolutional Networks链接:https://arxiv.org/abs/1608.06993第三方代码:CVPR2017的最佳论文论文详解:作为CVPR2017年的Best Paper, DenseNet脱离了加深网络层数(ResNet)和加宽网络结构(In...原创 2019-02-11 14:19:18 · 8420 阅读 · 0 评论 -
SENet
版权声明:本文为博主原创文章,未经博主允许不得转载论文:Squeeze-and-Excitation Networks链接:https://arxiv.org/abs/1608.06993代码:https://arxiv.org/abs/1709.01507第三方代码:Momenta公司发于2017CVPR 1.概述卷积核作为CNN的核心,通常都是在局部感受野上将...原创 2019-02-13 16:01:25 · 13963 阅读 · 5 评论 -
Focal Loss
转载自:https://blog.csdn.net/u014380165/article/details/77019084论文:Focal Loss for Dense Object Detection链接:https://arxiv.org/abs/1708.02002RBG和Kaiming大神的新作我们知道object detection的算法主要可以分为两大类:two-st...转载 2019-03-05 15:49:51 · 183 阅读 · 0 评论 -
图像分类算法优化技巧
转载自:https://blog.csdn.net/u014380165/article/details/85268719论文:Bag of Tricks for Image Classification with Convolutional Neural Networks论文链接:https://arxiv.org/abs/1812.01187论文复现对很多人而言难度都比较大,因为常...转载 2019-05-14 21:29:05 · 848 阅读 · 1 评论