论文阅读
moxi_baba
这个作者很懒,什么都没留下…
展开
-
inception V1阅读笔记(未完)
inception V1阅读笔记(未完) ·达到了能在保持计算负担不变时能增加模型的深度和宽度。 ·取得了ILSVRC-2014的分类和检测任务的冠军。作者设计的网络具有很大的depth和width,但是参数数量却仅为AlexNet的1/12。 ·对于目标检测来说取得的成就不仅仅在于更大的模型,而是来自于深度模型和传统cv方法的协同作用(synery)。如R-CNN ·对于移动端和嵌入式设备的应用...原创 2018-11-30 22:28:48 · 121 阅读 · 0 评论 -
squeezenet论文阅读笔记
主旨还是要CNN的参数变得更小,要做到精确度不丢失的同时减少参数量。 squeezenet的首要目的是采用现有模型并以有损方式u压缩。 之前也有人提过网络剪枝这一概念,即用零来替换小于某一个值的参数,使网络稀疏化。 squeezenet结构设计策略: 1.用11卷积代替33卷积,因为这样会减少九倍的参数量。 2.减少3*3卷积的输入通道数,这一部分使用squeeze layers来实现 3. 在网...原创 2018-12-07 23:20:27 · 224 阅读 · 0 评论 -
DenseNet论文阅读笔记
本文主要是接受了ResNet的想法:在残差结构的帮助下,卷积网络能够变得很深,也变得更加准确。如果有捷径连接靠近输入层的层和靠近输出层的层,那么网络将变得更加容易训练。 这是一个5层的denseblock,growth是4.每一层接受了所有之前层的输出作为输入 所以说会有L(L+1)/2个连接 DenseNet有以下几点令人侧目的优点:1减轻了梯度消失的问题,加强了特征图的传播,重复利用特征图,...原创 2018-12-13 11:11:51 · 290 阅读 · 0 评论