Network in Network（NIN）是深度学习中的创新模型，通过mlpconv和global average pooling融合CNN与FC，增强可解释性。mlpconv在卷积后加入多层感知机，而global average pooling代替全连接层，减少参数并缓解过拟合。网络结构由多个mlpconv层堆叠，最后通过全局平均池化得到分类向量。实验表明，这种方法优于传统的全连接层。
Network in Network 是google提出的一种在网络结构上非常具有创造性的文章。以前的深度学习结构，往往是CNN+FC之类的组合，这样在CNN与FC进行结合的过程中，则把两部分过程独立来开，CNN负责提取特征，FC负责特征分类。
而NIN则利用mlpconv和global average pooling将CNN和FC两部分有机的结合在一起，使得其可解释性更强。从而文章的创新点：
*提出了mlpconv代替普通的卷积操作，从而来提升抽象能力
*提出了global average pooling，从而将CNN与FC有机的结合在一起，使得整个网络结构的可解释性更加强，效果也更佳
创新点一：mlpconv
首先，普通的卷积操作都是通过一个线性变换，然后后面跟着一个非线性激励函数
output(x)=f(w
最低0.47元/天 解锁文章
扫一扫
5001
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
