摘要：
1. 前言 ResNeXt是由何凯明团队在论文《Aggregated Residual Transformations for Deep Neural Networks》提出来的新型图像分类网络。 ResNeXt是ResNet的升级版，在ResNet的基础上，引入了cardinality的概念，其实 阅读全文
摘要：
1. 前言 SENet由Momenta公司，在论文《Squeeze-and-Excitation Networks》提出，核心是SE block，它通过对特征通道间的相关性进行建模，把重要的特征进行强化来提升准确率。 作者采用SENet block和ResNeXt结合在ILSVRC 2017（最后一 阅读全文
摘要：
1. 前言 ResNet由微软亚洲研究院在论文《Deep Residual Learning for Image Recognition》中提出，获得2015年ImageNet图像分类、定位、检测，MS COCO竞赛检测、分割五条赛道的冠军，通过引入残差连接，有效解决深层网络训练时的退化问题，可以通 阅读全文
摘要：
1. 前言 VGG是由牛津大学视觉组（Visual Geometry Group，Vgg的名称也是来源于此）在2014年的论文《Very Deep Convolutional Networks for Large-Scale Visual Recognition》中提出的卷积神经网络模型。 VGG将 阅读全文
摘要：
1. 前言Inception V4是google团队在《Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning》论文中提出的一个新的网络，如题目所示，本论文还提出了Inception-ResN 阅读全文
摘要：
1. 前言 Inception V2/V3由googLeNet的一作在《Rethinking the Inception Architecture for Computer Vision》中提出。本论文在GoogLeNet和BN-Inception的基础上，对Inception模块的结构、性能、参数 阅读全文
摘要： ![[重读经典论文]GoogLeNet——Inception模块的诞生](https://img2023.cnblogs.com/blog/741682/202303/741682-20230327231550071-626263416.png)
GoogLeNet深度卷积神经网络结构，及其后续变种Inception-V1、Inception-V2-Inception-V3、Inception-V4。
使用Inception模块，引入并行结构和不同尺寸的卷积核，提取不同尺度的特征，将稀疏矩阵聚合为较为密集的子矩阵，大大提高计算效率，降低参数数量。加入辅助分类器，实现了模型整合、反向传播信号放大。
GoogLeNet在ILSVRC-2014图像分类竞赛中获得了top-5误差6.7%的冠军成绩。 阅读全文
GoogLeNet深度卷积神经网络结构，及其后续变种Inception-V1、Inception-V2-Inception-V3、Inception-V4。
使用Inception模块，引入并行结构和不同尺寸的卷积核，提取不同尺度的特征，将稀疏矩阵聚合为较为密集的子矩阵，大大提高计算效率，降低参数数量。加入辅助分类器，实现了模型整合、反向传播信号放大。
GoogLeNet在ILSVRC-2014图像分类竞赛中获得了top-5误差6.7%的冠军成绩。 阅读全文
摘要： ![[重读经典论文]ZFNET——神经网络可视化的开山之作](https://img2023.cnblogs.com/blog/741682/202303/741682-20230327232144424-163883915.png)
纽约大学ZFNet，2013年ImageNet图像分类竞赛冠军模型。提出了一系列可视化卷积神经网络中间层特征的方法，并巧妙设置了对照消融实验，从各个角度分析卷积神经网络各层提取的特征及对变换的敏感性。
使用反卷积，将中间层feature map投射重构回原始输入像素空间，便于可视化a56爆大奖在线娱乐feature map捕获的特征。
改进AlexNet模型，减小卷积核尺寸，减小步长，增加卷积核，提出ZFNet。 阅读全文
纽约大学ZFNet，2013年ImageNet图像分类竞赛冠军模型。提出了一系列可视化卷积神经网络中间层特征的方法，并巧妙设置了对照消融实验，从各个角度分析卷积神经网络各层提取的特征及对变换的敏感性。
使用反卷积，将中间层feature map投射重构回原始输入像素空间，便于可视化a56爆大奖在线娱乐feature map捕获的特征。
改进AlexNet模型，减小卷积核尺寸，减小步长，增加卷积核，提出ZFNet。 阅读全文
摘要：
1. 前言 zfnet在他们可视化的时候，利用到了《Zeiler, M., Taylor, G., and Fergus, R. Adaptive deconvolutional networks for mid and high level featurelearning. In ICCV, 20 阅读全文
摘要： ![[重读经典论文] AlexNet——引爆CNN](https://img2023.cnblogs.com/blog/741682/202304/741682-20230402152653130-623410170.png)
1. 前言 AlexNet是一个深度卷积神经网络模型，由Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton于2012年设计。这个模型在ImageNet图像识别挑战赛中获得了当时的冠军，并推动了卷积神经网络在计算机视觉中的广泛应用。 AlexNet包括5个卷积 阅读全文
1. 前言 AlexNet是一个深度卷积神经网络模型，由Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton于2012年设计。这个模型在ImageNet图像识别挑战赛中获得了当时的冠军，并推动了卷积神经网络在计算机视觉中的广泛应用。 AlexNet包括5个卷积 阅读全文