【NIN】Network in Network笔记

Network in Network(NIN)是2014年提出的一种改进的CNN结构,使用微网络增强模型对局部图像块的辨别力。通过多层感知器(MLP)代替传统线性过滤器,NIN能实现更复杂的特征抽象。此外,全局平均池化(GAP)层取代全连接层,以提高模型解释性和防止过拟合。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Network in Network是2014年的ICLR的非常厉害的一篇paper。是对传统的CNN的一种改进。

1、摘要

  • 提出了NIN的深度网络结构来增强模型在感知野在局部图像块的辨别力。
  • 传统的conv layer使用线性过滤器之后紧跟一个非线性激活函数的方法来扫描输入,而论文使用micro networks with more complex structures to abstract the data within the receptive field。
  • feature maps的获取是通过在输入上sliding micro networks over the input in a similar manner as CNN,然后将feature maps作为输入给下一层。
  • Deep NIN可以通过堆叠上述结构(can be implements by stacking mutiple of the above described structure)
  • 通过micro network模型来加强local modeling(局部模型?),在分类层利用GAP(global average pooling)相较于传统的FC(Fully connection)层可以更容易去解释(更容易去解释是因为FC相当于是一个black box)并且可以更好的避免过拟合。

2、Introduction

  • By abstraction we mean that the feature is invariant to the variants of the same concept.【通过抽象化数据,对于一个同一个概念的变体,特征是不变的??】
  • paper
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值