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1GoogLeNet簡介01任務(wù)Inceptionmodule結(jié)構(gòu)02任務(wù)GoogLeNet創(chuàng)新點03任務(wù)1GoogLeNet簡介1GoogLeNet簡介GoogLeNet也稱為Inceptionv1，是2014年ImageNet挑戰(zhàn)賽冠軍模型；GoogLeNet嘗試了新穎的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計，網(wǎng)絡(luò)層數(shù)為22層，參數(shù)量比AlexNet和VGG小很多；GoogLeNet是用Inceptionmodule堆疊起來的，該網(wǎng)絡(luò)的設(shè)計同時考慮了模型的精度和計算成本。2Inceptionmodule結(jié)構(gòu)2Inceptionmodule結(jié)構(gòu)4組平行的特征抽取方式，分別為1×1、3×3、5×5的卷積層和3×3的最大池化層；進行3×3、5×5的卷積之前、3×3的最大池化層之后，進行一次1×1的卷積來減少特征映射的深度。3GoogLeNet創(chuàng)新點3GoogLeNet創(chuàng)新點拆分卷積核的思想，可以降低參數(shù)量，減輕過擬合，增加網(wǎng)絡(luò)非線性的表達能力；InceptionModule模塊，用多個分支提取不同抽象程度的高階特征的思路很有效，可以豐富網(wǎng)絡(luò)的表達能力。這些InceptionModule的結(jié)構(gòu)只在網(wǎng)絡(luò)的后面出現(xiàn)，前面還是普通的卷積層；卷積網(wǎng)絡(luò)從輸入到輸出，應(yīng)該讓圖片尺寸逐漸減小，輸出通道數(shù)逐漸增加，即讓空間結(jié)構(gòu)簡化，將空間信息轉(zhuǎn)化為高階抽象的特征信息；去除了最后的全連接層，用1*1卷積來

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