深度递归残差网络
Abstract
52 con-volutional layers.递归网络会增加深度同时不增加参数的数量。
1 INSTRUCTION
主要就是小
Both global and local residual learning。全局和局部残差学习。
用GRL，解决深度增加细节增加的问题，增强的剩余单元结构，称为作为多路径模式的本地残差学习（LRL），好处带来很多细节，同时改善梯度下降的。两个的区别是GRL是在输入层和输出层里。LRL是每几个堆叠的层中执行LRL
DRRN和DRCN的区别。
DRRN在残差中共享权重，DRCN在卷积层中共享权重。
2 related work
3. Deep Recursive Residual Network
由残差单元到递归块再到整个网络结构。
残差单元：pre-activation structure用前激活版本。
u是在递归层中的残差单元的个数。
G表示残差单位的函数，
H0是递归块中第一卷积层的结果。由于是递归学习残差单位，因此权重集
W在递归内的残差单元之间共享，但在不同的递归块中有所不同。
在递归块之前引入卷积层。
