首页
首页
沸点
课程
直播
活动
竞赛
商城
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
深度学习图像分类
Kyle_W
创建于2021-09-16
订阅专栏
深度学习笔记,学习来源:https://space.bilibili.com/18161609/channel/index
等 1 人订阅
共6篇文章
创建于2021-09-16
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
AlexNet
亮点 首次利用GPU训练网络 使用ReLU,而不是Sigmoid和Tanh,避免求导麻烦和网络较深时出现梯度消失 使用LRN局部响应归一化 在全连接层的前两层使用了Dropout随机失活神经元操作,以
ResNet
ResNet,2015年由微软实验室提出。亮点:1超深的网络结构,突破1000层;2提出residual模块;3丢弃dropout,使用Batch Normalization加速训练
MobileNet
MobileNetV1 2017年由Google团队提出 亮点 Depthwise Convolution,大大减少运算量核参数数量 超参数$\alpha$,$\beta$ MobileNetV2 2
卷积神经网络
发展 1986 BP反向传播算法 1998 利用BP算法训练LeNet5网络 2006 提出深度学习概念 2012 深度学习在视觉领域竞赛夺得冠军
GoogleNet
2014年Google团队提出 亮点 引入了Inception结构,融合不同尺度的特征信息 使用1*1的卷积核进行降维以及映射处理 添加两个辅助分类器帮助训练 丢弃全连接层,使用平均池化层
VGGNet
VGG网络于2014年提出,亮点是通过堆叠多个3*3的卷积核来替代大尺寸卷积核,减少所需参数。例如可以通过堆叠两个3*3的卷积核替代5*5的卷积核,他们拥有相同的感受野