DeepSort中特征提取模块理解

1.conv1 conv2 是卷积层,卷积层的作用主要在于提取图像特征,卷积核(滤波器)的大小(Patch Size)是3x3 ,步长(Stride,滤波器滑动的间隔)为1。

2.max pool3 指的是在卷积之后还有一个 pooling(汇集)的操作

参考:Yjango请问CNN 中的 maxpool 到底是什么原理,为什么要取最大值,取最大值的原理是什么?谢谢。 - 知乎

 3. 残差(residual) 防止网络层数过多造成的梯度消失和梯度爆炸, 6个残差块, 一层是由多个残差单元组成。

4.Dense全连接层 通常在CNN的尾部进行重新拟合,减少特征信息的损失。全连接层是最原始,出现最早的神经网络结构,能够无损的传递特征信息,但是网络参数多,计算量大,训练较慢。

5.batch and l2 normalization  就是对每一批数据进行归一化,主要是在一定程度上缓解了深层网络中“梯度弥散”的问题,从而使训练深层网络模型更加容易稳定。

猜你喜欢

转载自blog.csdn.net/qwazp3526cn/article/details/120884365
今日推荐