Deep Residual Network学习(一)

最新推荐文章于 2024-10-05 07:30:00 发布

yujunseu

最新推荐文章于 2024-10-05 07:30:00 发布

阅读量1.8w

点赞数 9

分类专栏： deep learning 文章标签： deep learning caffe CNN

本文链接：https://blog.csdn.net/yj3254/article/details/52244402

版权

本文深入探讨了深度残差网络（Deep Residual Network, ResNet）的设计思想，旨在解决深度神经网络中的退化问题。作者通过复现实验展示了ResNet如何在增加网络深度的同时避免性能下降，对比了不同初始化方法对网络性能的影响，并讨论了未来的研究方向，包括数据增强、批量归一化和更深层次网络的实现。" 84911089,8136609,链家网大数据平台构建：从0到1再到平台化,"['大数据', '运维', 'Python', '数据仓库']

摘要由CSDN通过智能技术生成

回顾去年的DCNN成果和深度学习发展，就必然会提及到到Kaiming He的深度残差网络 ( https://arxiv.org/abs/1512.03385)。这不仅是因为ResNet一举拿到了CV下多个比赛项目的冠军，更重要的是这一结构解决了训练极深网络时的degradation问题。作为我来到MSRA第一个月重点学习的论文，现在在这里分享一下我这大半个月以来的学习成果。