摘要：CNN网络结构-ResNext 背景 2016年，KaiMing将AlexNet中的group convolution引进了ResNet中，以获得更少的参数，在ImageNet上刷出了排名第二的好成绩。 101-layer的ResNeXt可以达到ResNet的精确度，在complexity却只有后者 阅读全文

摘要：背景 2015年，残差网络在ImageNet测试集上的错误率仅为 3.57%。 在ImageNet检测、ImageNet定位、COCO检测以及COCO分割上均获得了第一名的成绩。 结构 深度在神经网络中有及其重要的作用，但越深的网络越难训练。 随着深度的增加，从训练一开始，梯度消失或梯度爆炸就会阻止 阅读全文

摘要：背景 2014年获得Imagenet比赛冠军，这个结构证明了用更多的卷积、更深的层次可以得到更好的效果。 所采用了的Inception结构，也成为很多后续模型的基础。 结构 简单的理解就是尺度更加丰富的特征有助于提高识别效果。 GoogleNet结构如下： 构成部件和alexnet差不多，不过中间有 阅读全文

摘要：背景 2014年，VGG分别在定位和分类问题中获得了第一和第二名，在其他数据集上也实现了最好的结果。 结构 VGGNet探索了神经网络的深度与性能之间的关系，表明在结构相似的情况下，网络越深性能越好。 模型中大量使用3*3的卷积核的串联，构造出16到19层的网络。 2个3*3的卷积核的串联相当于5* 阅读全文

摘要：背景 2009年，李飞飞和他的团队发表了ImageNet的论文，还附带了数据集。 2012年，多伦多大学的Geoffrey Hinton、Ilya Sutskever和Alex Krizhevsky提出了一种深度卷积神经网络结构：AlexNet，夺得了ImageNet冠军，成绩比当时的第二名高出41 阅读全文