CNN基础论文总结
zhaoshenlu829
这个作者很懒,什么都没留下…
展开
-
ShuffleNet论文总结
论文:ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices 一、 内容简述 本文受到group convolution方法(最早出现在AlexNet中)以及ResNet中的bottleneck结构的启发,设计了一种名为ShuffleNet的高效CNN模型,该模型使用的核心技巧是poi...原创 2019-10-15 18:32:29 · 284 阅读 · 0 评论 -
DenseNet论文总结
论文: Densely Connected Convolutional Networks 一、 内容简述 作者通过研究Stochastic depth训练方法和ResNet后受到启发,设计了一种名为DenseNet的模型,能够有效地抑制梯度消失,强化特征传播同时大幅地减少参数数量。在实验中DenseNet在CIFAR、SVHN和ImageNet数据集中取得了了当...原创 2019-10-15 17:59:24 · 422 阅读 · 0 评论 -
BN层论文总结
论文:Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift Motivation 题目中的Internal Covariate Shift指的是在训练过程中各层输入数据的分布随前一层网络参数的变化而变化的现象,这种现象会使训练深度神经网络变得更加复杂,需要耗费更多的时...原创 2019-09-18 11:10:05 · 2942 阅读 · 0 评论 -
Inception-v3总结及部分Inception-v2原理讲解
论文:Rethinking the Inception Architecture for Computer Vision 一、内容概括 本文是Inception结构四篇中的第三篇,具体介绍了BN层论文附录中提到的Inception-v2结构,同时又提出了Inception-v3结构,最后构建了一个42层的深度神经网络模型。文中提出的卷积分解等方法为之后的CNN模型提供了一种新思路。经实验表明,经过...原创 2019-09-22 23:23:56 · 2189 阅读 · 0 评论 -
GoogleNet Inception-v1论文总结
论文:Going deeper with convolutions 一.主要内容 文章主要构建了一种名为Inception的结构,是Inception四篇中的第一篇,使用Inception所构建的一个典型的22层的深层网络结构GoogLeNet获得了2014年ILSVRC的冠军,是当时最好的图像分类和检测方法。 二.Motivation 改善深层神经网络性能最简单的方法就是增加它的深度和宽度,但是...原创 2019-09-18 11:07:21 · 410 阅读 · 0 评论 -
VGG模型总结
一. 内容概括 本文提出了经典的VGG模型用于图像分类任务,目前VGG16和VGG19仍然是最为常用的CNN模型,文章主要证明了深度对于神经网络的重要性,为今后的发展提供了一个很好的思路。 二.贡献点 1.成功构建了16层(13Conv+3FC)和19层(16Conv+3FC)的有效的网络结构。 2.证明了深度对于神经网络来说是非常重要的。 3在大型数据集ImageNet中训练得到的模型测试准确率...原创 2019-09-22 23:01:28 · 1501 阅读 · 0 评论