![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
网络模型
yuzhijiedingzhe
这个作者很懒,什么都没留下…
展开
-
Squeeze-and-Excitation Networks个人理解
背景: 卷积神经网络已经被证明是一个在应用于各种视觉任务上能够获得有效效果的模型。在现有的神经网络模型的每个卷积网络层中,各个卷积核学习输入的特征图中各个通道以及特征图的空间上的局部关联模式的表达(局部关联就是局部在卷积核的大小上)。通过多个卷积层中的一系列的非线性相关的卷积核以及下采样层来捕捉全局感受野上的各个层次的图片表示,而近期的神经网络模型的发展过程也显示了网络模型的捕捉数据空间关联翻译 2017-09-28 16:08:33 · 27635 阅读 · 4 评论 -
MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications个人理解
MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications个人理解 方法提出的动机及背景 MobileNet主要从深度可分离卷积这一点着手来减少计算量。在减小网络模型的计算量这方面,此前Inception已经使用过这一技巧(在网络模块的开头使用以减少计算量),Flattened翻译 2017-10-08 16:12:34 · 1122 阅读 · 0 评论 -
Xception: Deep Learning with Depthwise Separable Convolutions个人理解
Xception: Deep Learning with Depthwise Separable Convolutions 提出背景: 在Inception结构提出时,作者通过BottleNeck方法减小卷积操作的计算量,即在特征图输入Inception模块之前添加1x1的卷积层对特征图的通道关系进行映射减小通道数,从而减小运算量。但在此之后深度可分离卷积操作证明了其优越性。有基于此,为了翻译 2017-10-14 09:02:31 · 3773 阅读 · 2 评论