Estructura de la red CNN2

0 Más detalles: HomeLink

Inserte la descripción de la imagen aquí

1 Por qué ResNet

Inserte la descripción de la imagen aquí
Cuanto más profunda es la red,
Los más parámetros,
Los peores resultados que obtendrá
WERIED !!!
¿¿¿POR QUÉ???
Demasiado profundo, saturado con precisión El
degradado desapareció
¿Cómo ???
Inserte la descripción de la imagen aquíInserte la descripción de la imagen aquí

1.1 Estructura: 2Qs

Estructura
Inserte la descripción de la imagen aquíInserte la descripción de la imagen aquí
Podemos usar conv / pool para reducir el tamaño,
¿qué pasa con el acceso directo?


¿Cómo podemos agregar 2 partes sin la misma resolución?
Inserte la descripción de la imagen aquí
Inserte la descripción de la imagen aquíInserte la descripción de la imagen aquí

Inserte la descripción de la imagen aquíInserte la descripción de la imagen aquí
Inserte la descripción de la imagen aquí

  1. Obtenga un amplio conjunto de características principales

  2. El canal de la capa de entrada es menor, el kernel grande no tiene por qué significar grandes parámetros

  3. Razón de cálculo:
    Res: 7 * 7 * 3 * 64 * 112 * 112 = 120M
    VGG: 3 * 3 * 3 * 64 * 224 * 224 +
    3 * 3 * 64 * 64 * 224 * 224 +
    3 * 3 * 64 * 128 * 112 * 112 +
    3 * 3 * 128 * 128 * 56 * 56
    = x >> 120M * 2

1.2 VggNet y kernel pequeño

Inserte la descripción de la imagen aquí
Inserte la descripción de la imagen aquí
¿El núcleo pequeño siempre es mejor?

NO

Sacrificando detalles más reales de la imagen

1.3 Estructura: Revisión

Inserte la descripción de la imagen aquí
50 capas: 49 capa conv.

conv1: 7 * 7

antes de 50 capas no 1 * 1

50 capas, número de canales: menos menos más…

¿cómo sumar entre izquierda y derecha? añadir conv en la izquierda ...

2 Estructura: ¿Avanzada?

más profundo
Inserte la descripción de la imagen aquí
más ancho
Inserte la descripción de la imagen aquí

3 ¿Por qué mejor?

1 Desvanecimiento de degradado resuelto mediante el uso de atajos

2 Pueden verse como modelos ensamblados

Inserte la descripción de la imagen aquí

Supongo que te gusta

Origin blog.csdn.net/qq_36783816/article/details/112801337
Recomendado
Clasificación