20170920直播神经网络架构.pptx


立即下载 只怕再见是故人
2024-03-27
积核 Study 图像 Image Net 网络 Layers 层次 Case 特征
5.3 MB

神经网络架构演化以及基于Tflearn实现Cifar10的图像分类
神经网络架构
1
数据
2
PAI 上实验
3
卷积,如何成为一个很厉害的网络?
为什么在CV上CNN取得很好效果?
1.图像存在局部与整体的关系,由低层次特征组合形成高层次特征。
2.CNN具有局部连接,权值共享,多层次结构特点
http://cs231n.github.io/convolutional-networks/
神经网络架构
Model Zoo
Alexnet
VGG
Inception net(googlenet)
Resnet
Densenet
Case Study Alexnet
Convolutional Layers
Full Connection Layers
Pooling Layers
2012年ImageNet大规模图像识别挑战赛冠军
Krizhevsky A, Sutskever I, Hinton G E. ImageNet classification with deep convolutional neural networks[C]// International Conference on Neural Information Processing Systems. Curran Associates Inc. 2012:1097-1105.
Case Study Alexnet
1.Data augmentation(数据增强)怎么做?
2.Drop out怎么做?有什么用处?
3.激活函数Relu相比Sigmoid有什么优点?
Case Study GoogleNet
2014年ImageNet大规模图像识别挑战赛冠军
Szegedy C, Liu W, Jia Y, et al. Going deeper with convolutions[J]. 2014:1-9.
Case Study GoogleNet
Inception Block
1.小卷积核,2个3*3卷积核组合相当于1个5*5卷积核,但是参数量更少,非线性表达能力更强。
2.同层feature map使用不同尺寸卷积核,获得不同尺度特征。
Case Study VGG
2014年ImageNet大规模图


积核/Study/图像/Image/Net/网络/Layers/层次/Case/特征/ 积核/Study/图像/Image/Net/网络/Layers/层次/Case/特征/
-1 条回复
登录 后才能参与评论
-->