目标分类
关注
分享
扫一扫
WangXu__
这个作者很懒，什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
1.AlexNet
AlexNet AlexNet 2012年刷新了分类的记录，拿到ImageNet的冠军，AlexNet标志着DNN深度学习革命的开始。 其中5个卷积层、3个最大池化层、3个全连接层，用到的卷积核为11 * 11，5 * 5，3 * 3的卷积核。在网络中用到了ReLU激活函数、全局最大池化、全连接层的时候...原创 2019-07-15 22:03:49 · 179 阅读 · 0 评论 -
2.VGGNet
VGGNet 一、VGGNet，是ImageNet2014年的亚军，其网络结构非常简单，就是不断的堆叠卷积层和池化层。分别有VGG16和VGG19，其区别就是网络层数不一样，其中VGG16是由13层卷积层和3层全连接层组成，VGG19是由16层卷积层和3层全连接层组成。 二、对比AlexNet，VGG网...原创 2019-07-15 22:10:48 · 173 阅读 · 0 评论 -
3.GoogleNet
GoogLeNet GoogleNet是2014年ImageNet的冠军，它颠覆了大家对于卷积网络的串联的印象和固定的做法，采用了一种非常有效的 inception 模块，增加了网络的宽度，得到了比 VGG 更深的网络结构，并且比 VGG 的参数更少，因为去掉了后面的全连接层，所以参数大大减少，同时有了很高的计算效率，即Inception结构。&n...原创 2019-07-15 22:30:41 · 227 阅读 · 0 评论 -
4.ResNet
ResNet ResNet是2015年ImageNet比赛在classification上的冠军。 ResNet的优点： 1、设计了残差块的结构（residual block），使得网络深度增加了。对于更深的网络，存在一个很大的问题就是梯度消失的问题，因此...原创 2019-07-15 22:41:57 · 760 阅读 · 0 评论 -
5.ResNeXt
ResNeXt ResNeXt改进： 1、提出了ResNeXt块：把resnet blocks里面11的卷积核以及33卷积核的数量64降低为4，然后增加了32个并行的分支，对32个分支的结果进行一个加和操作。ResNeXt块的参数量和resnet blocks差不多，但是网络的表达能力更强了。...原创 2019-07-15 22:46:40 · 238 阅读 · 0 评论 -
6.DenseNet
DenseNet DenseNet改进的优点： 1、设计了dense block块，可以这样理解，第n层的输入依赖于前面n-1层的输出。减轻了梯度消失问题，加强了特征之间的传递性，有效利用了特征。并且防止过拟合。 2、densenet中利用transit...原创 2019-07-15 22:49:16 · 179 阅读 · 0 评论 -
7.CNN设计原则
CNN设计原则原创 2019-07-15 22:53:46 · 658 阅读 · 3 评论