深度学习图像分类
一直都是菜鸟
这个作者很懒,什么都没留下…
展开
-
Visualizing and Understanding Convolutional Networks
这篇文章的目的主要是想探明CNN的中间层是怎么变化的,为什么CNN的分类、目标检测等功能这么好。 文章中主要是对特征层进行反卷积(根据计算过程,翻译成转置卷积更好),将特征层映射到像素空间中(原文中图2的灰色部分),观察特征图映射之后的变化和特征。原文图2中也将原图的相应部分展示出来。 文中并没有详细说明转置卷积的操作步骤,只说是借鉴了另一篇文章。我从另外一篇介绍看到一个不错的,先贴图如下。 ...原创 2019-03-07 14:35:28 · 224 阅读 · 0 评论 -
VGG
VGG的网络结构大致总结一下,就是增大网络深度,利用较小的3*3的卷积核,并尝试使用1*1的卷积核。1*1的卷积核是线性变换,但在该卷积核后面紧跟着非线性激活函数,所以1*1卷积核增大了网络的非线性作用。 然后是如何进行训练。我们一条一条的过。看文献的时候,太多,容易蒙。 对训练图像大小的定义 首先是单尺度图像的训练。作者在文中定义了两个单尺度。是通多定义最小边的大小来定义图像尺度的大小。 ...原创 2019-03-11 14:15:53 · 2241 阅读 · 0 评论