ResNet入门和进阶
文章平均质量分 90
CV51
对计算机视觉中的目标检测、跟踪、分割、轻量化神经网络感兴趣
展开
-
ResNet变体:Res2Net
今天跟大家分享TPAMI2021中的一篇文章,文章详细信息如下:这篇文章是ResNet的变体,通过改进ResNet中的残差模块,在几乎不改变计算量的前提下,提高了网络提取多尺度特征的能力。下载链接:https://arxiv.org/abs/1904.01169开源代码地址:https://github.com/Res2Net0.动机在图像分类、目标检测、分割等计算机视觉任务中,网络提取多尺度特征的能力是至关重要的。当前很多Backbone都是在layer-wise这个层面做改进,以提高网络提原创 2021-06-15 23:22:27 · 2245 阅读 · 2 评论 -
ResNet从理论到实践(二)使用ResNet18进行猫狗分类
今天和大家分享一个开源项目,利用ResNet-18进行猫狗分类。整个项目基于Pytorch1.7实现。项目地址为:https://gitee.com/cv365/cat-dog_classification1.背景给定25000张图片,其中一半图片内容为猫,另外一半图片内容为狗,如下图所示:想要训练一个分类器,用于分类图片中的动物是猫还是狗。我们将这25000张图片分成2部分,第一部分为20000张,2种类别各10000张,用于训练;第二部分为5000张,2种类别各2500张,用于测试网络性能。原创 2021-06-08 22:39:23 · 4590 阅读 · 3 评论 -
ResNet变体:ResNeXt
论文标题:1.对ResNet的改进思想作者受到了如下几篇论文的启发:(1)Going deeper with convolutions.(2)Batch normalization: Accelerating deep network training by reducing internal covariate shift.(3)Rethinking the inception architecture for computer vision.(4)Inceptionv4, inceptio原创 2021-06-06 11:36:33 · 551 阅读 · 0 评论 -
ResNet从理论到实践(一)ResNet原理
1.在ResNet出现之前在2015年ResNet出现之前,CNN的结构大多如下图所示,通俗点说,用“卷积-maxpooling-ReLU”的方式,一卷到底,最后使用全连接层完成分类任务。大家普遍认为,卷积神经网络的深度对于网络的性能起着至关重要的作用,所以普遍将网络深度从AlexNet的几层增加到十几层甚至更多,比如VGG16、VGG19,也正如人们所想,增加深度确实增加了模型的性能。但深度继续增加时,网络的性能逐渐趋于饱和,甚至性能会出现随网络深度急剧下降的现象,一个有力的实验证明如下图所示:原创 2021-06-04 22:49:03 · 2741 阅读 · 1 评论