![](https://img-blog.csdnimg.cn/4514de2ff4d842f989215f38aba73abf.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
经典网络模型
文章平均质量分 92
常见的深度学习神经网络模型,结合论文原文进行详解与复现 ~
Horizon John
欢迎交流讨论~
展开
-
经典网络模型 —— 盘点 21篇必读论文与网络模型 + 5种常见数据集
🔥22篇必读论文与网络模型 + 🔥5种常见数据集:1、常见的数据集:MNIST、CIFAR-10、VOC2012、ImageNet;2、图像分类模型:AlexNet、GoogLeNet、VGG、ResNet、DenseNet;3、目标检测模型:R-CNN、Fast R-CNN、Faster R-CNN、SSD、YOLO系列、CenterNet;4、轻量级模型:SqueezeNet、MobileNet、ShuffleNet、Xception;5、注意力机制:SENet、CBAM、ECANet原创 2022-05-01 17:18:07 · 3875 阅读 · 2 评论 -
[ 对比学习篇 ] 经典网络模型 —— Contrastive Learning
[ 对比学习篇 ] 经典网络模型 —— Contrastive LearningInstDisc、InvaSpread、CPC、CMC;MoCov1、SimCLRv1、MoCov2、SimCLRv2、SWaV;BYOL、SimSiam;MoCov3、DINO;CLIP;原创 2023-02-20 16:27:04 · 2103 阅读 · 1 评论 -
[ Transformer篇 ] 经典网络模型 —— Vision Transformer + Transformer in Transformer + Swin Transformer
[ Transformer篇 ] 经典网络模型 —— Vision Transformer + Transformer in Transformer + Swin Transformer;主要介绍Vision Transformer、Transformer in Transformer、Swin Transformer这三个Transformer的经典模型。原创 2023-02-17 19:51:45 · 1138 阅读 · 0 评论 -
计算机领域顶级会议归纳(计算机视觉CV、机器学习ML、人工智能AI)
本文具体介绍几种计算机视觉顶级会议,包括计算机视觉领域三大顶尖国际会议 : CVPR、ICCV、ECCV ;还有其他一些 著名 会议: WACV、NIPS、ICLR、AAAI、ICML、IJCAI ;汇总信息在最后面,可以直接点击查看 ;...............原创 2022-07-12 16:43:41 · 20551 阅读 · 2 评论 -
[ 目标检测 ] 经典网络模型5——YOLO-v1 详解与复现
[ 目标检测 ] 经典网络模型5——YOLO-v1 详解与复现1、You Only Look Once;2、YOLO-v1详解;特点、网络结构:网络设计 结构框图 损失函数 局限性 性能比较 ;3、YOLO-v1复现;在此之前目标检测都有着多阶段的过程,并采用单独的分类器来进行分类 ;如 R-CNN 利用一系列 SVMs 对生成的 Region proposals 进行分类预测,存在着 检测速度慢、优化难 的问题 ;YOLO 算法将目标检测作为一个单一的回归问题,直接对输入图像进行边界框与类别.原创 2022-07-07 13:43:24 · 1502 阅读 · 0 评论 -
[ 可视化 ] 经典网络模型 —— Grad-CAM 详解与复现
[ 可视化 ] 经典网络模型 —— Grad-CAM 详解与复现1、Grad-CAM;2、Grad-CAM 详解;论文贡献;原理介绍;Grad-CAM 可视化流程;Grad-CAM 计算;Guided Grad-CAM;实例展示;评估 Grad-CAM 定位能力,Grad-CAM 图像分类、视觉解释和文本解释、图像描述、视觉问答、其他;3、Grad-CAM 复现基于此提出的 ``Grad-CAM`` 利用热力图的方式实现网络预测过程的可视化,并帮助我们更好的理解神经网络 ;.........原创 2022-07-08 17:00:26 · 15181 阅读 · 11 评论 -
[ 目标检测 ] 经典网络模型——性能评价指标 AP、mAP
[ 目标检测 ] 经典网络模型——性能评价指标1、正负样本——TP TN FP FN;2、Precision、Recall、Accuracy;3、Precision-Recall 曲线;4、AP、mAP;5、IoU (Intersection over Union);6、FPS (Frames Per Second);原创 2022-07-04 20:40:45 · 2242 阅读 · 0 评论 -
[ 目标检测 ] 经典网络模型4——SSD 详解与复现
[ 目标检测 ] 经典网络模型4——SSD 详解与复现1、Single Shot Detector2、SSD 详解3、SSD 复现SDD 是一种利用 单一深度神经网络 检测图像中的目标的方法 ;它的一个关键特征是:使用 多尺度卷积边界框 输出 附加到网络顶部的多个特征图上 ;它将边界框的输出空间离散化为一组默认框,每个特征图位置具有不同的纵横比和比例 ;在预测时,网络会根据每个默认框中的对象类别生成分数,并对该框进行调整,以更好地匹配对象的形状 ;...............原创 2022-06-15 14:29:39 · 2718 阅读 · 1 评论 -
[ 目标检测 ] 经典网络模型3——Faster R-CNN 详解与复现
[ 目标检测 ] 经典网络模型3——Faster R-CNN 详解与复现;1、Real-Time Object Detection with RPN;2、Faster R-CNN 详解;3、Faster R-CNN 复现;目前先进的目标检测网络如 SPP-Net 和 Fast R-CNN 都采用区域建议算法假设目标位置 ;这些网络都缩短了检测网络的运行时间,但 区域建议计算 依然是目标检测任务的 瓶颈 问题 ;基于此,提出了一个 区域建议网络RPN,实现与检测网络 共享 输入图像的 卷积特征 ;原创 2022-05-09 16:01:42 · 4844 阅读 · 1 评论 -
[ 目标检测 ] 经典网络模型2——Fast R-CNN 详解与复现
[ 目标检测 ] 经典网络模型2——Fast R-CNN 详解与复现1、Fast Region-based Convolutional Network;2、Fast R-CNN详解;3、Fast R-CNN复现;Fast R-CNN 是一种基于区域卷积网络的快速目标检测方法 ;Fast R-CNN 比 R-CNN 快 9倍,在测试时快 213倍,在 PASCAL VOC 2012 上实现了更高的映射 ;基于此作者提出了一种单阶段训练算法 (single-stage training)......原创 2022-05-08 22:29:23 · 6702 阅读 · 0 评论 -
[ 目标检测 ] 经典网络模型1——R-CNN 详解与复现
[ 目标检测 ] 经典网络模型1——R-CNN 详解与复现1、Regions with CNN features ;2、R-CNN 详解 ;3、R-CNN 复现 ;近年来,目标检测性能在标准 PASCAL VOC 数据集上保持稳定 ;性能最好的方法是复杂的集成系统(complex ensemble systems),通过将多个低维图像特征与高维背景结合 ;利用 候选区域与 CNN 相结合 的方式,实现了平均精度(mAP)提高了30%以上 ;..................原创 2022-05-08 17:50:07 · 2695 阅读 · 1 评论 -
[ 图像分类 ] 经典网络模型实例—— CIFAR10 + ResNet50 详解与复现
[ 图像分类 ] 经典网络模型实例—— CIFAR10 + ResNet50 详解与复现CIFAR10 + ResNet50 图像分类实例;准备工作;库文件准备;命令行接口;加载数据集;加载模型;定义损失函数与优化器;打印模型;模型训练与测试;模型训练;模型测试;训练过程数据分析;保存模型;保存训练参数;绘制 Loss-Acc 曲线;主函数;CIFAR10 + ResNet50 完整代码;...原创 2022-05-13 19:03:31 · 2737 阅读 · 2 评论 -
[ 轻量级网络 ] 经典网络模型4——Xception 详解与复现
[ 轻量级网络 ] 经典网络模型4——Xception 详解与复现1、Xception;2、Xception 详解;3、Xception 复现;Xception 是一种受启发于 Inception 的新颖深度卷积神经网络架构 ;将 Inception 模块替换为 深度可分离卷积( depthwise separable convolution ) ;Xception 与 Inception V3 具有相同数量的参数,但由于模型参数的更有效使用,使得性能进一步的提高 ;...原创 2022-05-07 08:00:00 · 5331 阅读 · 0 评论 -
[ 轻量级网络 ] 经典网络模型3——ShuffleNet 详解与复现
[ 轻量级网络 ] 经典网络模型3——ShuffleNet 详解与复现1、ShuffleNet;2、ShuffleNet 详解;3、ShuffleNet 复现;ShuffleNet 使用是一种计算效率极高的CNN架构,它是专门为计算能力非常有限的移动设备设计的 ;通过 点态群卷积(Pointwise Group Convolution) 和 通道洗牌(Channel Shuffle) 两种新运算,在保持精度的同时大大降低了计算成本 ;...原创 2022-05-06 18:01:33 · 6879 阅读 · 0 评论 -
[ 轻量级网络 ] 经典网络模型2——MobileNet 详解与复现
[ 轻量级网络 ] 经典网络模型2——MobileNet 详解与复现1、MobileNet;2、MobileNet 详解;3、MobileNet 复现;MobileNet 使用 深度可分离卷积 来构建轻量级的深度神经网络,是一种用于 移动和嵌入式视觉 应用的高效模型 ;通过引入的两个简单 全局超参数,有效地在 延迟和准确性 之间进行权衡 ;🔗 论文地址:...原创 2022-05-05 20:55:46 · 2275 阅读 · 0 评论 -
[ 轻量级网络 ] 经典网络模型1——SqueezeNet 详解与复现
[ 轻量级网络 ] 经典网络模型1——SqueezeNet 详解与复现;1、SqueezeNet;2、SqueezeNet详解;3、SqueezeNet复现;SqueezeNet 在 ImageNet 上实现与 AlexNet 同等级别的精度,但 参数少了50倍 ;通过模型压缩技术,实现了 SqueezeNet 模型压缩到小于0.5MB,相比 AlexNet 模型小了510倍 ;🔗 论文地址:SqueezeNet: AlexNet-level accuracy with 50x fewer...原创 2022-05-03 17:39:29 · 5584 阅读 · 0 评论 -
[ 注意力机制 ] 经典网络模型3——ECANet 详解与复现
[ 注意力机制 ] 经典网络模型3——ECANet 详解与复现1、Efficient Channel Attention Module2、ECANet 详解3、ECANet 复现简称 ``ECA``,2020年 提出的一种 ``高效通道注意力(ECA)模块`` ;该模块只涉及少数几个 参数,但具有明显的 效果增益 ;提出了一种 ``不降维`` 的局部跨信道交互策略,避免降维对于通道注意力学习效果的影响 ;适当的 ``跨通道交互`` 可以在保持 *性能* 的同时 *显著降低模型的复杂性* ;..原创 2022-04-20 10:30:00 · 43000 阅读 · 14 评论 -
[ 注意力机制 ] 经典网络模型2——CBAM 详解与复现
[ 注意力机制 ] 经典网络模型2——CBAM 详解与复现1、Convolutional Block Attention Module2、CBAM 详解Channel Attention ModuleSpatial Attention Module3、CBAM 复现简称 ``CBAM``,2018年 提出的一种新的 *卷积注意力模块* ;对前馈卷积神经网络 是一个 简单而有效的 注意力模块 ;因为它的轻量级和通用性,可以无缝集成到任何CNN网络当中 ;...原创 2022-04-19 15:43:29 · 42289 阅读 · 27 评论 -
[ 注意力机制 ] 经典网络模型1——SENet 详解与复现
[ 注意力机制 ] 经典网络模型1——SENet 详解与复现1、Squeeze-and-Excitation Networks2、Squeeze-and-Excitation block3、SENet 详解4、SENet 复现Squeeze-and-Excitation Networks简称 SENet ,由 Momenta 和 牛津大学 的 胡杰等人 提出的一种新的网络结构;目标是通过显式的建模 卷积特征通道 之间的 相互依赖关系 来提高网络的表示能力;最后一届ImageNet比赛获得冠军原创 2022-04-18 10:30:00 · 24352 阅读 · 11 评论 -
[ 图像分类 ] 经典网络模型5——DenseNet 详解与复现
[ 图像分类 ] 经典网络模型5——DenseNet 详解与复现1、Dense Convolutional Network2、DenseNet 详解3、DenseNet 复现就是熟知的 `` DenseNet(密集卷积网络)``,是 CVPR 2017年 的 Oral ;对于每一层,前面所有层的特征映射作为输入,并将特征映射作为后续所有层的输入 ;它缓解了 ``消失梯度`` 问题,加强了 ``特征传播`` ,鼓励了 ``特征重用`` ,并大大减少了 ``参数量`` ;...原创 2022-04-21 14:08:34 · 3117 阅读 · 1 评论 -
[ 图像分类 ] 经典网络模型4——ResNet 详解与复现
[ 图像分类 ] 经典网络模型4——ResNet 详解与复现1、Residual Network2、残差网络3、Residual Block4、ResNet50 详解5、ResNet50 复现6、ResNet50 结构框图Residual Network简称 ResNet (残差网络),何凯明团队于2015年提出的一种网络;在 ImageNet 比赛 classification 任务上获得第一名;目前在检测,分割,识别等领域里得到了广泛的应用;...原创 2022-04-12 16:12:38 · 9872 阅读 · 6 评论 -
[ 图像分类 ] 经典网络模型3——VGG 详解与复现
[ 图像分类 ] 经典网络模型3——VGG 详解与复现1、Visual Geometry Group2、VGG16 详解3、VGG16 复现Visual Geometry Group简称 VGG,是牛津大学视觉几何组 Oxford Visual Geometry Group 的缩写;在2014年 ImageNet 比赛 localisation 和 classification 任务上分别获得 第一名 和 第二名;证明了增加 网络深度 能够在一定程度上影响网络最终的性能;🔗 论文地址:...原创 2022-04-15 15:16:38 · 2066 阅读 · 1 评论 -
[ 图像分类 ] 经典网络模型2——GoogLeNet 详解与复现
[ 图像分类 ]经典网络模型2——GoogLeNet 详解与复现1、GoogLeNet2、Inception module3、GoogLeNet 详解4、GoogLeNet 复现是2014年 Christian Szegedy 提出的一种 全新 的深度学习结构;在这之前的 AlexNet 、VGG 等结构都是通过 增大网络深度;但层数的增加会带来很多负作用,如 overfit 、梯度消失 、梯度爆炸 等;在2014年 ImageNet 比赛 classification 任务上获得 第一名;原创 2022-04-16 17:38:10 · 1855 阅读 · 1 评论 -
[ 图像分类 ] 经典网络模型1——AlexNet 详解与复现
[ 图像分类 ] 经典网络模型1——AlexNet 详解与复现1、AlexNet2、AlexNet 详解3、AlexNet 复现AlexNet是2012年 Alex Krizhevsky 等人提出的一种的深度学习结构,并以其名命名;拥有6000万个参数和65万个神经元,由5个卷积层组成,后面跟着3个全连接层和1000的softmax;在2012年 ImageNet 比赛 classification 任务上获得 第一名;...原创 2022-04-17 14:43:56 · 2923 阅读 · 2 评论 -
[ 数据集 ] ImageNet 数据集介绍
[ 数据集 ] ImageNet 数据集介绍ImageNet 是一个用于视觉对象识别软件研究的大型可视化数据库,由李飞飞团队从2007年开始,耗费大量人力,通过各种方式(网络抓取,人工标注,亚马逊众包平台)收集制作而成,它作为论文在 CVPR-2009 发布;ImageNet大规模视觉识别挑战赛(ImageNet Large Scale Visual Recognition Challenge,ILSVRC);...原创 2022-05-02 21:26:32 · 19703 阅读 · 0 评论 -
[ 数据集 ] COCO 数据集介绍
[ 数据集 ] COCO 数据集介绍COCO 是一个大规模的目标检测、分割的数据集,具有以下几个特点:原创 2022-05-08 15:21:00 · 2185 阅读 · 0 评论 -
[ 数据集 ] VOC 2012 数据集介绍
[ 数据集 ] VOC 2012 数据集介绍VOC 2012它从根本上说是一个有监督的学习问题,提供了一组标记图像的训练集;包括二十个对象类别:Person、Animal、Vehicle、Indoor;有三个主要的对象识别竞赛:分类、检测和分割;VOC 2012 文件夹介绍1)Annotations2)ImageSetsActionLayoutMainSegmentation3)JPEGImages4)SegmentationClass5)SegmentationObject..原创 2022-04-21 21:39:41 · 13614 阅读 · 4 评论 -
[ 数据集 ] CIFAR-10 数据集介绍
[ 数据集 ] CIFAR-10数据集介绍Size: 32×32 RGB图像Num: 训练集 50000 和 测试集 10000,一共60000张图片Classes: plane(飞机), car(汽车),bird(鸟),cat(猫),deer(鹿),dog(狗),frog(蛙类),horse(马),ship(船),truck(卡车)以及数据集的介绍与图片的读取操作。...原创 2022-03-19 16:52:15 · 13817 阅读 · 3 评论 -
[ 数据集 ] MINIST 数据集介绍
[ 数据集 ] MINIST 数据集介绍MINIST``Size:`` 28×28 灰度手写数字图像;``Num:`` 训练集 60000 和 测试集 10000,一共70000张图片;``Classes:`` 0,1,2,3,4,5,6,7,8,9;具体介绍了数据集的读取与可视化操作等...原创 2022-05-02 14:00:13 · 21569 阅读 · 1 评论