深度學(xué)習(xí)應(yīng)用開發(fā) 課件 cha4 9-經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)_第1頁
深度學(xué)習(xí)應(yīng)用開發(fā) 課件 cha4 9-經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)_第2頁
深度學(xué)習(xí)應(yīng)用開發(fā) 課件 cha4 9-經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)_第3頁
深度學(xué)習(xí)應(yīng)用開發(fā) 課件 cha4 9-經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)_第4頁
深度學(xué)習(xí)應(yīng)用開發(fā) 課件 cha4 9-經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)_第5頁
已閱讀5頁，還剩4頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

目錄1VGGNet簡介01任務(wù)VGGNet網(wǎng)絡(luò)結(jié)構(gòu)02任務(wù)VGGNet創(chuàng)新03任務(wù)1VGGNet簡介1VGGNet簡介VGGNet由牛津大學(xué)計算機視覺組合和GoogleDeepMind公司研究員一起研發(fā)的深度CNN，獲得了2014年ILSVCR亞軍和定位項目冠軍；VGGNet探索了CNN的深度和性能之間的關(guān)系，主要采用3*3的小型卷積核和2*2的最大池化層反復(fù)堆疊的方式；目前，VGGNet依然被廣泛使用，用來提取圖像特征。2VGGNet網(wǎng)絡(luò)結(jié)構(gòu)2VGGNet網(wǎng)絡(luò)結(jié)構(gòu)3VGGNet創(chuàng)新點3VGGNet創(chuàng)新點VGGNet有以下創(chuàng)新之處：VGGNet全部使用3*3的卷積核和2*2的池化核，減小了參數(shù)，同時增加了CNN的非線性變換，增加了CNN對特征的學(xué)習(xí)能力；先訓(xùn)練層數(shù)較淺的網(wǎng)絡(luò)，使用淺層網(wǎng)絡(luò)的權(quán)重初始化深層網(wǎng)絡(luò)，加快訓(xùn)練的收斂速度；采用Multi-Scale的訓(xùn)練策略，可以增加訓(xùn)練的數(shù)據(jù)量，防止模型

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論