(本文已加入“计算机视觉入门与调优”专栏,点击专栏查看更多文章信息)r
esnet 这一网络的重要性,上一节大概介绍了一下,可以从以下两个方面来有所体现:第一是 resnet 广泛的作为其他神经网络的 back bone;第二是 resnet 是 AI 芯片厂家对标性能时,在视觉领域尤其是图像分类任务中的首选网络。下面针对这两点再补充介绍一下。
哪些网络以 resnet 作为 back bone?
back bone 意为骨干网络,很多模型将 resnet 作为骨干网络时,主要是因为需要从图像中提取高级特征的需要,也就是这些模型将 resnet 作为一个高效的特征提取器来使用。
Yolo-v3

YOLO (You Only Look Once) 网络是一个广泛应用的目标检测模型。上图是yolov3 的主要结构(图源江大白)。
最左上角红色框出来的便是 yolov3 的back bone, 由一些 resnet 结构串联而成。它的作用便是对原始输入的图像(最左侧)进行
Resnet在计算机视觉领域扮演着重要角色,常作为其他网络如Yolo-v3的backbone,用于高效特征提取。它也是AI芯片性能评测的标准,如英伟达在其GPU宣传中使用resnet50的性能数据。Resnet50因其经典和重要性,适合作为计算机视觉的入门选择。
订阅专栏 解锁全文
3170

被折叠的 条评论
为什么被折叠?



