12 2018 档案

差异特征学习中的损失函数简单综述
摘要：差异特征学习指如何获取差异最小的类内和差异最大的类间特征，这里的差异特征学习可应用的场景包含并不仅限于人脸识别，行人重识别和细粒度识别等。 由于这方面涉及太广和自身能力有限，只结合自己使用经验对关键差异的阐述，且略去基本算法描述。 softmaxloss softmaxloss softmaxlos 阅读全文
posted @ 2018-12-21 11:43 Link_Z 阅读(1529) 评论(0) 推荐(0) 编辑
网络结构解读之inception系列五：Inception V4
摘要：在残差逐渐当道时，google开始研究inception和残差网络的性能差异以及结合的可能性，并且给出了实验结构。 本文思想阐述不多，主要是三个结构的网络和实验性能对比。 Inception-v4, Inception-ResNet and the Impact of Residual Connec 阅读全文
posted @ 2018-12-21 10:52 Link_Z 阅读(1901) 评论(0) 推荐(0) 编辑
网络结构解读之inception系列四：Inception V3
摘要：Inception V3根据前面两篇结构的经验和新设计的结构的实验，总结了一套可借鉴的网络结构设计的原则。理解这些原则的背后隐藏的动机比单纯知道这个操作更有意义。 Rethinking the Inception Architecture for Computer Vision 主题：如何高效的增大 阅读全文
posted @ 2018-12-21 10:34 Link_Z 阅读(3687) 评论(0) 推荐(0) 编辑
网络结构解读之inception系列三：BN-Inception（Inception V2）
摘要：BN的出现大大解决了训练收敛问题。作者主要围绕归一化的操作做了一系列优化思路的阐述，值得细看。 Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift 深度网络为什么难训 阅读全文
posted @ 2018-12-20 19:33 Link_Z 阅读(8263) 评论(0) 推荐(0) 编辑
网络结构解读之inception系列二：GoogLeNet（Inception V1）
摘要：inception系列的开山之作，有网络结构设计的初期思考。 Going deeper with convolutions motivations: 提高模型性能的最直接方式：1.加深（增加层）2.加宽（增加单层的神经元个数） 带来的两个弊端：1.大规模的参数易导致过拟合且需要更多的训练集 2.更多 阅读全文
posted @ 2018-12-20 17:33 Link_Z 阅读(1579) 评论(0) 推荐(0) 编辑
网络结构解读之inception系列一：Network in Network
摘要：inception 深度学习网络结构 阅读全文
posted @ 2018-12-20 14:58 Link_Z 阅读(863) 评论(0) 推荐(0) 编辑