【KAWAKO】卷积神经网络-经典模型汇总

最新推荐文章于 2025-04-16 23:11:14 发布
最新推荐文章于 2025-04-16 23:11:14 发布
阅读量201 收藏 2
点赞数
分类专栏： CNN 文章标签： 深度学习 神经网络
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_40944311/article/details/115938279
版权
模型名称发表时间
lenet

1998

alexnet2012
zfnet2014
googlenet2014
vggnet2014
resnet2015
inception-v22015
inception-v32015
inception-v42016
inception-resnet v1/v22016
squeezenet2016
wrn2016
xception2017
nasnet2017
resnext2017
densenet2017
shufflenet2017
mobilenet2017
senet2017
efficientnet2019
efficientnet-v22021
repvgg2021

 

新型的神经网络模型，从CNN到BERT都有介绍。
AI天才研究院
08-12 993
作者：禅与计算机程序设计艺术 1.简介 随着人工智能（AI）的普及和应用，越来越多的人开始对机器学习、深度学习有所了解。然而，随之而来的挑战是如何有效地应用这些技术。本文将从神经网络模型的发展历史，以及到目前为止最流行的一些模型，如卷积神经网络（Convolutional Neural Networks
【第18篇】EfficientNet:重新思考卷积神经网络的模型缩放
m0_47867638的博客
05-02 398
卷积神经网络(ConvNets)通常在固定的资源预算下开发，然后如果有更多的资源，则会扩大规模以获得更好的准确性。本文系统地研究了模型缩放，发现仔细平衡网络深度、宽度和分辨率可以带来更好的性能。基于这一观察，本文提出了一种新的缩放方法，使用一个简单而高效的复合系数均匀缩放深度/宽度/分辨率的所有维度。证明了该方法在扩大MobileNets和ResNet上的有效性。
卷积神经网络CNN以及几种经典模型
01-07
简介 CNN -> Convolutional Neural Network 卷积神经网络是由一个或多个卷积层和顶端的全连通层（也可以使用1×1的卷积层作为最终的输出）组成的一种前馈神经网络 基本概念 局部感受野(Local Receptive Fields) 一般的神经网络往往会把图像的每一个像素点连接到全连接的每一个神经元中，而卷积神经网络则是把每一个隐藏节点只连接到图像的某个局部区域，从而减少参数训练的数量。 例如，一张1024×720的图像，使用9×9的感受野，则只需要81个权值参数。对于一般的视觉也是如此，当观看一张图像时，更多的时候关注的是局部。 共享权值(Shared Weigh
卷积神经网络模型
Chaleen的博客
05-30 3721
在深度学习中，卷积神经网络（CNN）在计算机视觉领域的应用十分广泛。本文章旨在介绍一些CNN的模型，并分析各自模型的优缺点。
一文读懂经典深度学习模型—CNN、RNN、LSTM、Transformer、ViT
最新发布
qq_70350287的博客
04-16 1348
RNN作为一种特殊的神经网络架构，也被称作序列模型或反馈神经网络。它主要用于处理具有序列特性的数据，如自然语言文本、时间序列数据等。在这类数据中，前后元素之间存在着紧密的关联关系。RNN 的独特之处在于其隐状态（hidden state）h 机制。随着序列数据按顺序逐个输入，隐状态 h 能够动态地捕捉序列中每个时刻数据的特征信息，并将之前时刻的信息融入到当前时刻。这种特性使得 RNN 不仅能处理当前输入，还能考虑到历史输入所携带的信息，从而对整个序列进行全局理解。
论文新思路！双通道卷积神经网络！最新成果准确率近100%
学姐带你玩AI的博客
07-08 4788
它能捕捉到比单通道CNN更丰富的信息，从而提高模型的性能和鲁棒性。具体点讲，传统CNN采用单个卷积层提取特征，形成特征映射；而双通道CNN则通过两个并行卷积层同时处理输入数据，能更全面丰富地捕捉和合并特征。这种结构显著提高了特征表示能力和计算效率，降低了过拟合风险，还尤其适用于复杂的视觉任务，如图像分类、目标检测等，因为它可以有效提高识别精度。比如新提出的复合干扰识别方法，平均准确率接近100%！为适应更复杂的任务场景，目前的研究致力于开发更高效、更强大的双通道CNN方法。今天我就整理了。
卷积神经网络相关模型
m0_46926492的博客
12-07 1030
一共21层，【1，2，4，5，7，8，9，11，12，13，15，16，17，19，20，21】层需要计算参数。一共11层，【1，3，5，6，7，9，10，11】层需要计算参数。一共7层，【1，3，5，6，7】层需要计算参数。Alexnet8【8代表有8层需要计算参数】LeNet5【5代表有五层需要计算参数】全连接层使用非线性tanh激活函数。全连接层使用非线性ReLu激活函数。全连接层使用非线性ReLu激活函数。【16代表有16层需要计算参数】卷积时，第二次之后使用了。填充,使特征图大小不变。
TVM，0.9.dev0包含第三方库的代码
02-22
TVM（Tensor Virtual Machine）是一个开源的深度学习编译框架，致力于优化和运行跨多个硬件平台的深度学习模型。在0.9.dev0版本中，它包含了与第三方库集成的代码，这使得TVM能够更好地与其他系统和服务协同工作，...
卷积神经网络模型发展及应用
m0_72579657的博客
08-02 399
卷积神经网络（convolutionalneuralnetwork，CNN）在计算机视觉[1-5]、自然语言处理[6-7]等领域已被广泛应用。在卷积神经网络兴起之前，主要依靠人工针对特定的问题设计算法，比如采用Sobel、LoG（LaplacianofGaussian）、Canny、Prewitt等[8-11]算子进行边缘检测，采用Harris、DoG（differenceofGaussian）、FAST（featuresfromacceleratedsegmenttest）、SIFT（scaleinva。
各卷积神经网络模型亮点
qq_43684686的博客
05-05 505
经典卷积神经网络模型LeNetAlexNetVGGGoogLeNetResNetDenseNet LeNet 特色： 1.由两个卷积层两个池化层，两个全连接层组成 AlexNet 特色： 1.局部响应归一化 2.用多个gpu进行运算 3.由五个卷积层、两个池化层和三个全连接层组成 4.使用RELU激活函数，而不是传统的tanh函数或sigmoid函数 5.使用dropout随机失活函数 VGG 特...
常用的卷积神经网络模型,卷积神经网络改进算法
神经网络爱好者
09-08 396
这两个概念实际上是互相交叉的，例如，卷积神经网络（Convolutionalneuralnetworks，简称CNNs）就是一种深度的监督学习下的机器学习模型，而深度置信网（DeepBeliefNets，简称DBNs）就是一种无监督学习下的机器学习模型。权重共享和稀疏连接一样，减少了卷积神经网络的参数总量，并具有正则化的效果。卷积神经网络的稀疏连接具有正则化的效果，提高了网络结构的稳定性和泛化能力，避免过度拟合，同时，稀疏连接减少了权重参数的总量，有利于神经网络的快速学习，和在计算时减少内存开销。
神经网络模型及卷积神经网络模型汇总
mbws__的博客
03-04 1213
卷积神经网络分类
图像分类卷积神经网络模型综述
kuxingseng123的博客
03-18 2281
专注于其公众号学习路线，慢慢的细啃。
【深度学习】9 大主题卷积神经网络（CNN）的 PyTorch 实现
fengdu78的博客
08-20 773
大家还记得这张图吗？之前，红色石头发文介绍过一份很不错的资源：52 个深度学习目标检测模型汇总，论文、源码一应俱全！深度系统介绍了 52 个目标检测模型，纵观 2013 年到 2020 ...
论文笔记 2023.5.22
CHD__CHT的博客
05-22 452
使用新的通道分割操作，使输入特征变为两部分，其中一部分进行深度可分离卷积操作，然后与另一部分拼接。残差块：权重层拟合残差映射F（x），而非原始映射H（x）金字塔多级残差卷积神经网络（PRoR）加权残差网络（WResNet）多级残差卷积神经网络（RoR）在经典模型的基础上采用注意力机制使网络模型更关注感兴趣的区域。改进模型结构，减少网络参数，以满足嵌入式、移动式设备的需求。卷积残差记忆网络（CRMN）引入激活函数Relu。提出一种新的衡量模型性能的指标MAC(Memory Access Cost。
CVPR 2022|从原理和代码详解FAIR的惊艳之作：全新的纯卷积模型ConvNeXt...
jacke121的专栏
09-02 2744
CVPR 2022|从原理和代码详解FAIR的惊艳之作：全新的纯卷积模型ConvNeXt
KAPAO：高效的多人姿态估计开源项目
gitblog_00226的博客
08-12 388
KAPAO：高效的多人姿态估计开源项目 kapaoKAPAO is an efficient single-stage human pose estimation model that detects keypoints and poses as objects and fuses the detections to predict human poses.项目地址:https://gitcod...
CNN 卷积神经网络
djl806943371的博客
02-21 993
滑动窗口方式除了计算量比较大，还有个问题就是窗口是离散的，所以大概率不会有窗口完美框到待识别物体，并且可能物体本身也不是正方形，因此单纯的滑动窗口无法准确给出边界。YOLO(you only look once)算法解决了上面问题，并且替换了滑动窗口。它将图像等分成n×n的格子，以下图为例3×3，然后识别3类物体，标签为8维数据，P_c每个格子是否有Object，有的话中心点坐标b_x、b_y，框的高度b_h，框的宽度b_w，softmax结果3个，然后训练。
深度学习：5种经典神经网络模型介绍
Henry的博客
10-06 8596
卷积神经网络（CNN）已经发展为图像识别、视频分析和自然语言处理等领域的核心工具本文将介绍五种在深度学习领域常见的CNN模型，分别是LeNetAlexNetVGGNetGoogLeNetResNet。
经典卷积神经网络模型盘点
m0_60561065的博客
10-12 7634
简单介绍几种经典的卷积神经网络模型
评论
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
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