文森特的博客

ResNext:paper:https://arxiv.org/abs/1611.05431code:https://github.com/facebookresearch/ResNeXtRes2Net:paper: https://arxiv.org/pdf/1904.01169.pdfcode: https://mmcheng.net/res2net/这次和大家分享两篇ResNet改进系列的文章，一篇是2017年发表在CVPR上面的ResNext，其采用“split-transform-me

原文：https://arxiv.org/abs/1409.1556摘要： 本文研究了在大规模图片识别中，卷积神经网络的深度对准确率的影响。论文的主要贡献是使用3×3卷积的神经网络架构全面评估增加深度对网络的影响，结果表明通过将深度推至16-19层可以使网络性能得到显着提高。作者还表明此模型可以泛化到其他数据集上，在其他数据集上可以获得很好的结果。作者公开了两个性能最佳的VGG模型，...

                                                                      Going deeper with convolutions(GoogleNet学习笔记)原文：https://www.cs.unc.edu/~wliu/papers/GoogLeNet.pdf摘要：    GoogleNet在ILSVRC 2014...

摘要： 在这篇论文里面，我们将介绍如何在彩色图像上学习多层特征，并使用这些特征来初始化深度自动编码器。 然后，我们使用自动编码器将图像映射为短的二进制代码。 使用语义散列，使用28位二进制编码在一个时间内检索与查询图像相似的图像与数据库的大小无关。 这种极快的检索使得可以使用查询图像的多个不同转换进行搜索。 256位二进制编码可以更精确的匹配查找图像，并且可以用来修剪使用28位编码检索到的...