【NIN】Network in Network笔记

最新推荐文章于 2020-02-19 19:51:23 发布

One__Coder

最新推荐文章于 2020-02-19 19:51:23 发布

阅读量565

点赞数

CC 4.0 BY-SA版权

分类专栏：论文阅读

本文链接：https://blog.youkuaiyun.com/github_37973614/article/details/81586708

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