![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
残差
莫一丞元
根特大学PhD在读
展开
-
Desnet网络理解
背景现如今cnn分类问题主要分为两种,一种为以inception为首,增加网络深度和宽度;另一种以resnet为首,添加残差结构。Desnet作者(CVPR 2017获奖论文公布,其中一篇最佳论文为康奈尔大学、清华大学、Facebook FAIR 实验室合著的《Densely Connected Convolutional Networks》)借鉴残差结构,从feature map重用入手,构建desnet网络(密集连接卷积网络)。Desnet网络是由DenseBlock模块和transtion laye原创 2020-09-05 11:04:49 · 4548 阅读 · 0 评论 -
Resnet理解
背景ResNet的作者是何凯明依靠Resnet获得CVPR2016最佳论文奖。ResNet是解决了深度CNN模型难训练的问题,从下图中可以看到14年的VGG才19层,而15年的ResNet多达152层,这在网络深度完全不是一个量级上,所以如果是第一眼看这个图的话,肯定会觉得ResNet是靠深度取胜。事实当然是这样,但是ResNet还有架构上的trick,这才使得网络的深度发挥出作用,这个trick就是残差学习(Residual learning)。网络退化问题我们知道随着网络层数的加深,可以提取到更原创 2020-09-05 10:56:50 · 1011 阅读 · 0 评论