mike112223的博客

一味学习基础知识，不跟上前沿也是不行，博主准备用接下来几篇来对近年来的CNN模型进行梳理。 https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdfAlexNet - 2012ArchitectureReLU 非线性ReLU激活函...

https://arxiv.org/pdf/1611.05431.pdfResNeXtAbstract我们提出一种用于图像分类的简单的，高度结构化的网络结构。我们的结构是通过重复一个构建单元来完成的，这个构建单元是一系列拥有同样拓扑结构的变换的聚合。我们这个简单的设计最终会形成一个均匀的同分支结构，这个结构只需要设定很少的超参数。这个策略开发了除了深度和宽度的一个新的维度，我们叫做 card...

论文链接：https://arxiv.org/pdf/1608.06993.pdf论文题目：Densely Connected Convolutional NetworkDenseNetAbstract最近的研究表明如果在接近输入和输出的层加入一些捷径连接那么可以让网络更深，得到更好的结果，且还可以更有效的训练。在本文中，我们就遵循这个观点然后引出DenseNet，在前向传递的时候，它...

https://arxiv.org/pdf/1512.03385.pdfResNetIntroduction深度卷积神经网络引领了一系列对于图像识别任务的突破。深度网络可以很自然地将 低/中/高 级的特征和分类器整合为一个端对端（end-to-end）的模式，特征的”level”会随着网络层数的增加而更加丰富。最近的研究发现网络的深度尤为重要，对于在ImageNet数据集上取得...

http://arxiv.org/pdf/1512.00567v3.pdfInception-V2,V31.Introduction2012年，”AlexNet”获得了冠军，并且发现AlexNet成功地适用于很多机器视觉任务，目标检测，图像分割，人体动作识别，视频分类，目标跟踪，图像超分辨率等。 2014年，更深更宽的”VGGNet”和“GoogLeNet”在比赛中均取得了非...

https://arxiv.org/pdf/1312.4400v3.pdfNetwork In NetworkIntroductionCNN的卷积核对于其所卷积的data patch来说其实本质上是一个广义线性模型（generalized linear model，GLM），而GLM本身它的对于特征的表达能力以及抽象等级是偏低的。抽象来说，特征是不变的对于同一概念的变体。如果将...

https://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Szegedy_Going_Deeper_With_2015_CVPR_paper.pdfGoogleNetRelated Work从LeNet-5开始，CNN有了一种典型的结构，也就是卷积层的堆叠（带有归一层和最大值池化层）在加上FC layer...

https://arxiv.org/pdf/1409.1556.pdfVGG-2014ConvNet configurationsArchitecture 输入图像大小224x224。 唯一的数据预处理，是图像均值化（subtract the mean RGB value）。 图像经过一堆卷积层，使用3x3的卷积核（最小规格的卷积核来表征所谓左右，上下，中间）。只有一种网...