数字识别领域
卷积的第一次崛起
AlexNet的各层及实现细节
ZFNET:在AleXNeT基础上的演进,卷积核的大小改变
VGG16\19
3*3的卷积核个7*7的卷积核的感受野大小一样,都是7*7,但是参数减少很多
GoogLENET:网络内部的网络
对前一层输出进行并行卷积、级联所有的卷积输出,缺点是计算比较复杂
每一层的输出大小和计算操作数
由于特征图比较深,使得计算比较复杂,使用1维卷积来降低计算操作量
ResNet152
总结对比
数字识别领域
卷积的第一次崛起
AlexNet的各层及实现细节
ZFNET:在AleXNeT基础上的演进,卷积核的大小改变
VGG16\19
3*3的卷积核个7*7的卷积核的感受野大小一样,都是7*7,但是参数减少很多
GoogLENET:网络内部的网络
对前一层输出进行并行卷积、级联所有的卷积输出,缺点是计算比较复杂
每一层的输出大小和计算操作数
由于特征图比较深,使得计算比较复杂,使用1维卷积来降低计算操作量
ResNet152
总结对比