![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
CNN系列文章笔记
简单记录了CNN、FCN等一些经典文章的阅读笔记
犬冢紬希
此人很懒
展开
-
DenseNet论文学习与理解
DenseNet简介DenseNet概述相关概念密集连接(dense connection)与ResNet不同之处融合方式传递方式DenseNet的优点关于特征重用关于参数量减少网络架构非线性转化函数Hl(⋅)H_l(\cdot)Hl(⋅)池化与密集块(dense block)增长率(growth rate)瓶颈层(bottleneck layer)压缩层(compression)实验细节关于CIFAR、SVNH关于ImageNet实验结果小结DenseNet出自《Densely Connected C原创 2020-09-21 13:27:20 · 551 阅读 · 0 评论 -
ResNet论文学习与理解
ResNet出自于2016年的论文《Deep Residual Learning for Image Recognition》,该论文可以在IEEE中检索到。核心思想引入残差的原因——网络退化作者在文中提出了一种残差学习,目的是为了简化对deeper network的优化和训练。事实上,网络的深度非常重要,这是因为不同深度的网络提取到的特征是不同的,而我们希望获得更深的语义信息。那么从理论上讲,当网络层数加深时,网络达到的效果应当是更好的,但实践表明,单纯的增加网络深度会引起梯度消失/梯度爆炸,但这原创 2020-09-18 23:24:01 · 324 阅读 · 0 评论 -
U-Net论文学习与理解
简介论文信息U-Net出自2015年Olaf Ronneberger等人的论文 《U-Net: Convolutional Networks for Biomedical Image Segmentation》,该论文可在IEEE explore中检索到。U-Net提出背景在过去几年里,深度卷积网络不仅广泛地应用于各种视觉识别任务,同时也达到了非常好的效果,尤其是在医学图像分割任务方面。然而由于医学图像可用训练集大小的限制以及考虑到网络大小,卷积网络难以取得更好的成果,幸运的是Hence, Cir原创 2020-09-12 20:07:42 · 3620 阅读 · 0 评论 -
FCN论文学习与理解
简介FCN的全称是Fully Convolutional Network,出自2015年Jonathan Long等人的《Fully Convolutional Networks for Semantic Segmentation》,FCN的提出可以说是图像分割领域的一个里程碑,下面从该论文的内容架构记录个人理解。FCN的提出背景FCN出现之前,已有许多CNN 网络模型出现,比如AlexNet,VGG net和GoogLeNet等。本文的FCN也是基于CNN网络架构提出的。我们首先对CNN和FCN做一原创 2020-09-10 17:17:28 · 1256 阅读 · 0 评论 -
LeNet论文学习与理解
LeNet-5初理解一. 模型介绍二. 各层详解1. 输入层-INPUT2. 卷积层-C13. 池化层-S24. 卷积层-C3一. 模型介绍LeNet-5出自1998年YE Cun的论文《Gradient-Based Learning Applied to Document Recognition》,在上篇blog中有网盘链接可以下载~这篇文章指出LeNet-5对于手写数字识别是一个非常高效的网络。下图是该网络的结构:可以看到:除了输入层之外,LeNet-5一共含有7层;每层都包含可训练参数;原创 2020-08-11 13:55:05 · 1345 阅读 · 3 评论