日拱一卒

博客：博客园 | CSDN | blog写在前面如题，这篇文章将尝试从卷积拆分的角度看一看各种经典CNN backbone网络module是如何演进的，为了视角的统一，仅分析单条路径上的卷积形式。形式化方便起见，对常规卷积操作，做如下定义，III：输入尺寸，长HHH 宽WWW ，令长宽相同，即I=H=WI = H = WI=H=WMMM：输入channel数，可以看成是tensor的高KKK：卷积核尺寸K×KK \times KK×K，channel数与输入channel数相同，为MMMN

博客：博客园 | CSDN | blog文章目录写在前面Inception-V1 (GoogLeNet)BN-InceptionInception-V2, V3Inception-V4，Inception-ResNet-v1，Inception-ResNet-v2参考写在前面Inception 家族成员：Inception-V1（GoogLeNet）、BN-Inception、Inception-V2、Inception-V3、Inception-ResNet-V1、Inception-V4、Ince

文章目录写在前面Dense Block与Transition LayerDenseNet网络架构与性能理解DenseNetPlain Net、ResNet与DenseNet参考博客：博客园 | CSDN | blog写在前面在博客《ResNet详解与分析》中，我们谈到ResNet不同层之间的信息流通隐含在“和”中，所以从信息流通的角度看并不彻底，相比ResNet，DenseNet最大的不同之...

文章目录Resnet要解决的是什么问题Residual Block的设计ResNet 网络结构error surface对比Residual Block的分析与改进小结参考博客：博客园 | CSDN | blogResnet要解决的是什么问题ResNets要解决的是深度神经网络的“退化”问题。什么是“退化”？我们知道，对浅层网络逐渐叠加layers，模型在训练集和测试集上的性能会变好，因...

文章目录写在前面网络结构multi-scale training and testing其他有意思的点参考博客：blog.shinelee.me | 博客园 | CSDN写在前面VGG(2014)网络出自paper《Very Deep Convolutional Networks for Large-Scale Image Recognition》，为ILSVRC2014 localizat...

实际应用中，如何在速度、内存、准确率等各种约束下选择主干网络？有paper通过对各个网络模型进行对比分析，为这个问题提供了选择指南。这篇博客主要整合了3篇文章的结论，这3篇文章分别是201605-An Analysis of Deep Neural Network Models for Practical Applications201809-Analysis of deep neural...

文章目录写在前面网络结构创新点其他有意思的点参考博客：blog.shinelee.me | 博客园 | CSDN写在前面本文重点在于回顾深度神经网络在CV领域的First Blood——AlexNet，AlexNet是首个在大规模图像识别问题取得突破性进展的深度神经网络，相比基于SIFT+FVs、稀疏编码的传统方法，性能提升了10多个百分点（error rate 26.2% → 15.3%，...

文章目录写在前面网络架构与动机特征可视化其他参考博客：blog.shinelee.me | 博客园 | CSDN写在前面ZFNet出自论文《 Visualizing and Understanding Convolutional Networks》，作者Matthew D. Zeiler和Rob Fergus——显然ZFNet是以两位作者名字的首字母命名的，截止20190911，论文引用量为...

文章目录写在前面mlpconv layer实现Global Average Pooling网络结构参考博客：blog.shinelee.me | 博客园 | CSDN写在前面《Network in Network》简称NIN，出自颜水成老师团队，首次发表在arxiv的时间为2013年12月，至20190921引用量为2871（google scholar）。NIN的网络结构仍是在Alex...