主干网络篇 | YOLOv5/v7 更换主干网络为 VGG13 / VGG16 / VGG19 | 对比实验必备

迪菲赫尔曼

已于 2024-02-07 14:35:15 修改

阅读量861

点赞数 1

分类专栏： YOLOv5/v7改进实战 YOLOv5/v7进阶实战文章标签： YOLO vgg cnn vgg13 vgg16 vgg19

于 2024-02-07 14:33:56 首次发布

原创文章为博主个人所有，未经授权不得转载、摘编、传播、倒卖、洗稿或利用其它方式使用上述作品。违反上述声明者，本站将追求其相关法律责任。

本文链接：https://blog.csdn.net/weixin_43694096/article/details/136069029

版权

YOLOv5/v7进阶实战同时被 2 个专栏收录

62 篇文章 808 订阅 ¥199.90 ¥99.00

订阅专栏

YOLOv5/v7改进实战

48 篇文章 979 订阅 ¥99.90 ¥99.00

订阅专栏

在这里插入图片描述

论文地址：https://arxiv.org/pdf/1409.1556.pdf

在这项工作中，我们研究了卷积网络深度对其在大规模图像识别环境中准确性的影响。我们的主要贡献是对使用非常小（3×3）卷积滤波器的架构的不断增加深度的网络进行了彻底评估，这表明通过将深度推进到16-19个权重层，可以在先前的艺术配置上取得显著改进。这些发现是我们2014年ImageNet挑战赛提交的基础，在该挑战赛中，我们的团队分别在定位和分类跟踪中获得了第一和第二名。我们还展示了我们的表示如何很好地推广到其他数据集，在那里它们达到了最先进的结果。我们已经将我们表现最好的两个ConvNet模型公开可用，以促进进一步研究在计算机视觉中使用深度视觉表示。