其他分享
首页 > 其他分享> > 3_GoogLeNetV1

3_GoogLeNetV1

作者:互联网

Going deeper with convolutions

更深的卷积网络

简介

Inception v1-GoogLeNet(论文阅读总结) - 知乎 (zhihu.com)

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

GoogLeNet结构

Inception Module

在这里插入图片描述

特点:

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

训炼技巧

辅助分类层

在这里插入图片描述

LR下降策略

论文中没有提到具体采用了多少个epoch

每8个epoch下降4%: fixed learning rate schedule (decreasina the learning rate biy A k cvery epochs)

0.96^100 =0.016 , 800个epochs,才下降不到100倍

数据增强

测试技巧

Multi crop

1 * 4 * 3 * 6 * 2 = 144

模型融合

七个模型训练差异仅在图像采样方式和顺序的差异

在这里插入图片描述

实验结果及分析

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

稀疏结构

稀疏矩阵

在这里插入图片描述

特征图通道的分解

在这里插入图片描述

总结

关键点、创新点

标签:卷积,矩阵,GoogLeNet,GoogLeNetV1,Inception,256,pool
来源: https://blog.csdn.net/Code_Haruka/article/details/116892848