论文笔记系列：经典主干网络（一）-- VGG

已于 2023-01-30 10:34:01 修改
阅读量3k 收藏 19
点赞数 18
CC 4.0 BY-SA版权
分类专栏： 深入浅出AI 论文笔记 计算机视觉CV 文章标签： 深度学习 人工智能 神经网络 1024程序员节
于 2022-10-23 21:49:12 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_36816848/article/details/127481448
本文详细介绍了VGGNet的结构特点，包括3x3卷积核的使用，网络深度对精度的影响，以及预训练和多尺度训练策略。VGG通过堆叠小卷积核实现更深的网络，减少了参数量，提升了模型性能。此外，文章还讨论了VGG在深度学习和图像识别领域的应用和实验结果。

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

 ✨写在前面：强烈推荐给大家一个优秀的人工智能学习网站，内容包括人工智能基础、机器学习、深度学习神经网络等，详细介绍各部分概念及实战教程，通俗易懂，非常适合人工智能领域初学者及研究者学习。➡️点击跳转到网站。

深度卷积神经网络VGG

前言：VGGNet 是由牛津大学视觉几何小组（Visual Geometry Group, VGG）提出的一种深层卷积网络结构，他们以 7.32% 的错误率赢得了 2014 年 ILSVRC 分类任务的亚军（冠军由 GoogLeNet 以 6.65% 的错误率夺得）和 25.32% 的错误率夺

了解本专栏 订阅专栏 解锁全文 超级会员免费看
【图像超分】论文精读：APISR: Anime Production Inspired Real-World Anime Super-Resolution
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
03-27 7372
虽然现实世界的动漫超分辨率(SR)在SR社区中受到越来越多的关注，但现有的方法仍然采用照片级真实感领域的技术。在本文中，我们分析了动漫制作工作流程，并重新思考如何为了现实世界的动漫 SR 使用它的特征。首先，我们认为由于重复使用手绘帧，视频网络和数据集对于动漫 SR 不是必需的。相反，我们通过从视频源中选择最压缩和信息量最大的帧，提出了一种动漫图像收集管道。基于这个管道，我们介绍了 Anime Production-oriented Image (API) 数据集。此外，我们确定了扭曲和微弱的手绘线和不需要
【图像去噪】论文精读：HNN: Hierarchical Noise-Deinterlace Net Towards Image Denoising
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
04-26 150
论文题目：HNN: Hierarchical Noise-Deinterlace Net Towards Image Denoising —— HNN：用于图像去噪的分层噪声去交错网络论文源码：无。CVPRW 2024！在本文中，我们提出了一个用于图像去噪的分层框架，并将其称为分层NoiseDeinterlace Net (HNN)。图像去噪技术旨在通过减少不需要的噪声和伪影来从噪声观测中恢复干净的图像，以增强清晰度并引入空间相干性。
论文笔记：主干网络——ResNet
liuzeyao_Newton的博客
04-30 1331
Deep Residual Learning for Image Recognition 图像识别中的深度残差学习网络
论文笔记：主干网络——VGG
liuzeyao_Newton的博客
04-19 2179
Very Deep Convolutional Networks for Large-scale Image Recognition 大规模图像识别的深度卷积神经网络
VGG网络详解
最新发布
WD9587的博客
06-23 131
详解VGG网络的创新，结构，代码
CV 经典主干网络 (Backbone) 系列: CSPNet
生命在于折腾！
11-13 8083
CV 经典主干网络 (Backbone) 系列: CSPNet 作者：Chien-Yao Wang 等 发表时间：2019 Paper 原文： CSPNet: A New Backbone that can Enhance Learning Capability of CNN 开源代码：Cross Stage Partial Networks 该篇是 CV 经典主干网络 (Backbone) 系列 下的一篇文章。 作者认为目前的网络结构虽然效果好，但是都是建立在较大的计算量上的，这阻碍了算法应用 ，特别是
CV 经典主干网络 (Backbone) 系列: VGGNet
生命在于折腾！
03-18 1859
CV 经典主干网络 (Backbone) 系列: VGGNet 作者：Karen Simonyan 等 发表时间：2014 Paper 原文：Very Deep Convolutional Networks for Large-Scale Image Recognition 这个模型在当年的 ImageNet 挑战赛上分别取得了检测和分类任务的第一和第二名的成绩。论文中提出了一系列网络结构，用的较多的是 VGG16 和 VGG19，当然到了今天（2021年）都已经很少用了。 1. 网络结构 现在来看这个网络
CV 经典主干网络 (Backbone) 系列: Darknet-19
热门推荐
生命在于折腾！
03-20 1万+
CV 经典主干网络 (Backbone) 系列: Darknet-19 作者：Joseph Redmon 发表时间：2016 Paper 原文： YOLO9000: Better, Faster, Stronger 该篇是 CV 经典主干网络 (Backbone) 系列 下的一篇文章。 1. 网络结构 Darknet-19 是 YOLO v2 的 backbone。 Darknet-19 总共有 19 层 conv 层， 5 个 maxpooling 层。Darknet-19 吸收了 VGG16, NIN
论文笔记：主干网络——GoogLeNet-V2
liuzeyao_Newton的博客
04-24 1795
Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift 批标准化：缓解内部协变量偏移加快深度神经网络训练
【图像超分】论文精读：Real-World Super-Resolution via Kernel Estimation and Noise Injection（RealSR）
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
05-03 770
最近最先进的超分辨率方法在理想数据集上取得了令人印象深刻的性能，而不管模糊和噪声。然而，这些方法在现实世界的图像超分辨率中总是失败，因为它们大多采用来自高质量图像的简单双三次下采样来构建低分辨率 (LR) 和高分辨率 (HR) 对进行训练，这可能会失去频率相关细节的轨迹。为了解决这个问题，我们专注于通过估计各种模糊核和真实噪声分布来为真实世界的图像设计一个新的退化框架。基于我们新颖的退化框架，我们可以获得与真实图像共享公共域的 LR 图像。然后，我们提出了一个旨在更好感知的真实超分辨率模型。对合成噪声数据和
经典的卷积主干网络
a1550039531的博客
05-26 1425
在深度学习中，主干网络（backbone network）是指构成整个神经网络架构中的核心部分，负责提取输入数据的特征表示。主干网络通常由多个层次或模块组成，用于逐渐提取数据中的抽象特征，以便用于后续任务，如分类、检测、分割等。
VGG 原始论文
02-22
V ERY D EEP C ONVOLUTIONAL N ETWORKS FOR L ARGE -S CALE I MAGE R ECOGNITION
CV 经典主干网络 (Backbone) 系列: CSP-Darknet53
走在深度学习前沿的小宋
04-27 7823
CSP-Darknet53无论是其作为CV Backbone，还是说它在别的数据集上取得极好的效果。与此同时，它与别的网络的适配能力极强。
CV 经典主干网络 (Backbone) 系列: 开篇
生命在于折腾！
03-18 6672
CV 经典主干网络 (Backbone) 系列: 开篇 这篇是 深度学习中的经典基础网络结构（backbone）总结 的下篇。上篇中从大的发展趋势介绍了下主干网络的发展趋势，而这篇主要是对一些比较经典的主干网络进行简单梳理。 目录 CV 经典主干网络 (Backbone) 系列: VGGNet （2014年） CV 经典主干网络 (Backbone) 系列: GoogLeNet （2014年） CV 经典主干网络 (Backbone) 系列: ResNet家族（2015年） CV 经典主干网
论文笔记：主干网络——SENet
liuzeyao_Newton的博客
05-12 2041
Squeeze-and-Excitation Networks SENet
探索CV经典主干网络：从VGGNet到ResNet
2301_78731684的博客
12-11 917
CV经典主干网络如VGGNet、ResNet和Xception等在计算机视觉领域中具有举足轻重的地位。它们通过独特的架构和强大的性能，为各种计算机视觉任务提供了有效的解决方案。这些网络结构不仅推动了计算机视觉技术的发展，还为后续的网络结构创新提供了新的思路和方法。随着深度学习技术的不断发展，我们期待更多的创新性网络结构出现。未来的研究将进一步探索网络结构的优化和创新，以提高模型的性能和计算效率。同时，随着应用场景的不断扩展和数据量的不断增加，计算机视觉技术将在更多的领域得到应用和发展。
深度学习的骨干网络
浩瀚之水的专栏
09-12 2250
骨干网络是深度学习模型中的重要组成部分，负责从原始输入中提取有效的特征表示。不同的骨干网络架构具有各自的特点和优势，适用于不同的任务和场景。在选择骨干网络时，需要根据具体任务的需求、数据的特性以及计算资源的限制进行综合考虑。
校园网主干网络
qq_61141142的博客
10-22 1043
校园网是一个综合高效的教学和科研的校园计算环境。校园网络以622M和155M ATM为基础通讯平台，采用LANE和MPOA技术实现与传统以太网和TCP/IP协议的融合，支持UNI 3.0/3.1UNI 4.0 IISP PNNI1.0等接口协议，支持SVC 、PVC和线路冗余，支持LANE 1.0和MPOA 1.0，可实现QoS（服务质量）控制。*******（内容与202.120.228.2上的配置雷同，不再详细列出）*******（内容与202.120.228.2上的配置雷同，不再详细列出）
论文笔记：主干网络——DenseNet
liuzeyao_Newton的博客
05-09 1238
Densely Connected Concolutional Networks 稠密连接的卷积神经网络
深度学习实战：使用VGG网络处理cifar-10数据集
资源摘要信息: "VGG深度学习网络-cifar-10数据集" VGG网络是由牛津大学的Visual Geometry Group（VGG）提出的卷积神经网络架构。它在2014年的ImageNet图像识别挑战赛中获得了显著的成功，并因此成为深度学习领域的...
评论 15
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

GoAI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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