VGG-大规模图像识别的深度卷积神经网络
一、研究背景、成果及意义
1、学习目标
这篇文章是针对卷积神经网络的深度去研究的,并且是针对大规模的图像识别任务中。
2、研究背景、成果及意义
相关研究
1、AlexNet:ILSVRC-2012分类冠军,里程牌的CNN模型
AlexNet卷积神经网络设计理念会一直沿用,前面卷积池化进行特征提取,后面FC层分类的设计思想。
2、ZFNet:ILSVRC-2013分类冠军,对AlexNet改进
仅仅是对AlexNet超参数的改变
3、OverFeat:ILSVRC-2013定位冠军,集分类、定位和检测于一体的卷积网络方法
利用全卷积网络FCN将分类、定位和检测集于一体,在本文VGG测试技巧中的Dense稠密测试就需要用到这一概念。
1、AlexNet:卷积神经网络设计的范式,里程碑式的CNN模型,其“前特征提取后分类输出”的思想沿用至今
2、ZFNet:ZFNet模型只是对AlexNet进行了超参数的改变,并未提出一种广泛使用的tricks
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)