tyler_张的博客

SiameseNet 两个输入 孪生网络：解决度量问题，如两张图片的相似度，如与库中人脸比对 常常伴有余弦距离计算，与之对应的loss有：center loss，cosface，AMsoftmax等 TripletNet 三个输入：anchor，positive，negative 目标：同类距离尽可能小，不同类距离尽可能大 细粒度的识别任务 正负样本比例失衡— 难例挖掘 ...

SqueezeNet Fire Module：Squeeze层和Expand层 类似Inception结构 深度压缩方法 MobileNet（google） 精度损失可控范围内，大幅度降低参数和计算量 模型结构：深度可分离卷积，每个分组都是由一通道组成 1.深度卷积（Depth-wise）：每一个channel为一个组，减少参数量，损失了通道之间的关联 2.点卷积（Point-wise）：1...

总体 阿尔法：AlexNet 更深：VGG、ResNet 更宽：InceptionNet 更深+更宽：InceptionResNet（Inception+Res） 更轻量级：MobileNet等 1.AlexNet 1.首次使用ReLU 2.使用了2-GPU并行结构 3.使用了归一化层（注意不是batch normalization，后续弃用） 4.使用了数据增强技术 5.两个全连接层使用了dro...

卷积 优势： 1.图像具有局部特性（局部连接，局部感受野） 2.参数共享（特征跟位置无关，一个眼睛在两边还是中间都是眼睛） 3.训练速度快，因为很多芯片对卷积操作有优化实现，Im2col 特点： 1.卷积核大小选择奇数，是为了保护位置信息，因为有中心点，另外padding时是对称的 2.步长设置为大于1时为降采样，与pooling相比，好处是降低了计算量，缺点是损失了一些信息 3…参数与图像尺寸无...