- 博客(5)
- 收藏
- 关注
RSS订阅原创 Batch Normalization: Accelerating Deep Network Training by ReducingInternal Covariate Shift
论文主要介绍了一种名为"批量归一化"（Batch Normalization）的技术，它可以加速深度神经网络的训练，并且通过减少内部偏移来提高其性能。具体实现是，对每个小批量数据的每个特征进行标准化，然后对标准化后的特征进行缩放和平移，得到最终的输出值。批量归一化的优点是多方面的。首先，它可以加速神经网络的训练过程，因为归一化可以减少内部偏移，从而提高收敛速度。总的来说，批量归一化是一种简单而有效的技术，它可以加速深度神经网络的训练，提高其性能，并且已经被广泛应用于各种深度学习任务中。
2023-03-13 10:59:02
262
原创 论文研读：ResNet:Deep Residual Learning for Image Recognition
1、文中解决了层数增加网络退化的问题，为后续的工作开辟了道路，文中仅仅探究残差连接，就已经取得了非常好的成果。2、实验过程很严谨，值得后续的学习。非常推荐阅读原文！参考文献：2、ResNet详解——通俗易懂版_sunny_yeah_的博客-CSDN博客。
2023-03-10 18:47:39
197
原创 论文研读：ResNeXt:Aggregated Residual Transformations for Deep Neural Networks
1、文中提出ResNeXt,是根据ResNet/VGGNet堆叠相同的拓扑模块，以及Inception中split-transform-merge的策略思想下，而提出的，因此设计新的网络架构，务必要多总结和吸取前人模型的优秀思想。2、文中在验证新维度有效的同时，也验证了新维度的能力，相比于增加模型的深度和宽度，增加模型的Cardinality更有效。3、模型的实验验证在多个数据集上进行了验证，更具有广泛性，根有说服力。以及模型中提出的架构更容易应用到别的模型中，以此来提升其能力。
2023-03-06 13:01:13
252
1
原创 论文研读：Res2Net: A New Multi-scale BackboneArchitecture
作者：高尚华，程明明单位：南开大学期刊：IEEE题目：Res2Net:一种新的多尺度骨干架构2、背景目的及结论2.1背景2.1.11、同一张图片的不同物体会呈现不同的尺寸2、一个物体的关键上下文语境信息需要从比它本身的所占面积更大的区域提取3、感知有着不同尺度的物体全部或局部信息有助于细粒度分类和语义分割等任务的性能提升。
2023-03-06 10:28:57
659
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人