VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-S CALE IMAGE RECOGNITION-论文笔记
VGG网络
一、VGG网络概述:本文的主要贡献是利用3X3的卷积核,把神经网络发展成为16-19层的权重网络,相比AlexNet更加深。并在机器视觉领域取得一定的成功
二、卷积层配置
受到前人的启发,所有的卷积层配置按照相同的原则进行。
2.1 架构
训练集上:
输入层:224x224x3
唯一的预处理是原图减去RGB图像上的均值;图像输入经过一大堆的3x3的步长为1的卷积核过后接2x2的步长为2的最大值池化层,最后输出道2层全连接层(每层包含4096个通道),再根据训练集1000个分类,输出道1个1000个通道的全连接层,最后利用softmax层把这1000个分类概率化输出结果。所有隐含层的激活函数都使用ReLU,但LRN的作用不明显,而且还增加了计算的复杂度。这也说明实践出真知,直接否定了AlexNet中的LRN
2.2 配置
还是NG老师的图,这里用VGG-16层举例,因为论文中作者从11个层试到19层,分别标记为A-E,但反应出的结果是VGG-16和VGG-19的效果比较好,又鉴于VGG-19的层数增加带来的计算量增加,所以这里以VGG-16举例,图中CONV64代表着有64个步长为1的3x3卷积核,下标X2代表卷积两次,且卷积后的输出图片大小与卷积前保持不变,再经过池化层操作缩小1倍,卷积核的数据再扩大一倍。这样图像缩小和信道增加的比例是成规律的,VGG-16的优点是简化了神经网络的架构,缺点是由于层数增加带来的计算参数增加,光是VGG-16的参数就打到了1.38亿个。
2.2 讨论
利用3x3卷积核进行堆叠操作,比用5x5(相当于2个3x3)或者7x7(相当于3个3x3)的卷积核所使用的参数要少,使得决策函数更具有判别性
VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-S CALE IMAGE RECOGNITION-论文笔记相关推荐
- 《Very Deep Convolutional Networks For Large-Scale Image Recognition》翻译
1 引言 2 ConvNet配置 2.1 架构 2.2 配置 2.3 讨论 3 分类框架 3.1 训练 3.2 测试 3.3 实现细节 4 分类实验 4.1 单尺度评估 4.2 多尺度评估 4.3 多 ...
- 多尺度人脸检测--Face Detection through Scale-Friendly Deep Convolutional Networks
Face Detection through Scale-Friendly Deep Convolutional Networks http://shuoyang1213.me/projects/Sc ...
- VGGNet论文翻译-Very Deep Convolutional Networks for Large-Scale Image Recognition
Very Deep Convolutional Networks for Large-Scale Image Recognition Karen Simonyan[‡] & Andrew Zi ...
- Very Deep Convolutional Networks for Large-Scale Image Recognition—中英文对照
文章作者:Tyan 博客:noahsnail.com | CSDN | 简书 翻译论文汇总:https://github.com/SnailTyan/deep-learning-papers- ...
- 深度学习论文阅读图像分类篇(三):VGGNet《Very Deep Convolutional Networks for Large-Scale Image Recognition》
深度学习论文阅读图像分类篇(三):VGGNet<Very Deep Convolutional Networks for Large-Scale Image Recognition> Ab ...
- 论文研读 —— 7. Very Deep Convolutional Networks for Large-Scale Image Recognition (2/3)
文章目录 3. Classification Framework 3.1. Training 3.2. Testing 3.3. Implementation Details 4. Classific ...
- Very Deep Convolutional Networks for Large-Scale Image Recognition—VGG论文翻译—中文版
文章作者:Tyan 博客:noahsnail.com | CSDN | 简书 声明:作者翻译论文仅为学习,如有侵权请联系作者删除博文,谢谢! 翻译论文汇总:https://github.com ...
- 论文研读 —— 7. Very Deep Convolutional Networks for Large-Scale Image Recognition (1/3)
文章目录 Authors and Publishment Authors Bibtex Abstract 1. Introduction 2. Convnet Configurations 2.1. ...
- 《Very Deep Convolutional Networks for Large-Scale Image Recognition》——VGG论文总结
题目 <Very Deep Convolutional Networks for Large-Scale Image Recognition> 简介 Abstract In this wo ...
- 【翻译】【VGGNet】VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION
VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION 用于大规模图像识别的非常深的卷积网络 作者:Karen Simon ...
最新文章
- 程序员每天工作摸鱼俩小时,月薪35K?
- C#时间(DateTime)格式化
- php lang无效,详解 Go 中的不可变类型
- as本地仓库更改_Android Studio 之 Gradle与Project Structure详解
- Deformable ConvNets--Part4: Deformable Convolutional Networks
- JavaScript的编码规范
- Kotlin的Reified类型:怎样在函数内使用这一类型(KAD 14)
- arthas使用示例:tt记录指定方法每次调用的入参和返回值
- Jaspersoft Studio:整合springboot搭建环境
- redis配置主从没效果_跟我一起学Redis之加个哨兵让主从复制更加高可用
- RDLC 报表参数、常量及常用表达式的使用方法(上)
- scala 高级类型
- mysql使用between..and 查询日期范围注意事项
- 快速理解浮动对标准流的影响
- 三菱FX5U多冲一切追剪程序。 无需40SSC运动模块,通过软件电子凸轮算法实现追剪功能
- 大庆铁人精神与时俱进 石油石化行业如何利用ICT基础设施驱动价值创造?
- (1)Proteus 8.9上的STM32仿真系列(HAL)---流水灯
- Unity动画☀️四、动画导入的三种模式:Legacy、Generic 与 Humanoid
- P1258 小车问题(二分法)
- 热分析技术清单:导热材料热扩散系数闪光法测量中的样品厚度选择
热门文章
- python中endswith函数什么意思_Python中endswith()函数的基本使用
- 订阅号做了77天,没有挣钱,但是收获很多。
- 自发光物体能被烘焙之后是否会影响周围的物体
- 【论文阅读】Pothole Detection Based on Disparity Transformation and Road Surface Modeling
- OpenHarmony开源图形驱动SIG成立Mesa使能树莓派开发板GPU渲染
- Mqtt Retained Message(保留消息)
- Ubuntu16.04《解压7z.001文件》
- 如何使用计算机上合并计算方法,Excel2019中合并计算的使用方法
- mysql dump 1449_关于mysqldump的ERROR 1449 问题 | 学步园
- 虚拟机与本地电脑时间同步命令