深度学习实战（二）：AlexNet实现花图像分类
AlexNet在我之前的博客中已经做过详解，详情见：https://blog.csdn.net/muye_IT/article/details/123602605?spm=1001.2014.3001.5501代码已提交github，详情见（麻烦Star!）：https://github.com/Jasper0420/Deep-Learning-Practice-AlexNet1. 数据集介绍 ....
深度学习经典网络解析图像分类篇（七）：ResNet
ResNet论文翻译详情见我的博客：深度学习论文阅读（五）：ResNet《Deep Residual Learning for Image Recognition》1.背景介绍 如果说你对深度学习略有了解，那你一定听过大名鼎鼎的ResNet，正所谓ResNet 一出，谁与争锋？现如今2022年，依旧作为各大CV任务的backbone，比如ResNet-50、ResNet-101等。R....
深度学习论文阅读图像分类篇（六）：SENet《Squeeze-and-Excitation Networks》
Abstract 摘要 Convolutional neural networks are built upon the convolution operation, which extracts informative features by fusing spatial and channel-wise information together within local rece....
深度学习论文阅读图像分类篇（五）：ResNet《Deep Residual Learning for Image Recognition》
Abstract 摘要 Deeper neural networks are more difficult to train. We present a residual learning framework to ease the training of networks that are substantially deeper than those used previousl....
深度学习经典网络解析图像分类篇（六）：GoogLeNet
GoogLeNet论文翻译详情见我的博客：https://blog.csdn.net/muye_IT/article/details/1238861321.背景介绍 GoogLeNet是2014年Christian Szegedy提出的一种全新的深度学习结构，在这之前的AlexNet、VGG等结构都是通过增大网络的深度（层数）来获得更好的训练效果，但层数的增加会带来很多负作用，比如过....
深度学习实战（一）：LeNet实现CIFAR-10图像分类
代码已上传至github(麻烦Star~)1.数据集介绍 利用torchvision.datasets函数可以在线导入pytorch中的数据集，包含一些常见的数据集如MNIST、CIFAR-10等。本次使用的是CIFAR10数据集，也是一个很经典的图像分类数据集，由 Hinton 的学生 Alex Krizhevsky 和 Ilya Sutskever 整理的一个用于识别普适物体的小....
深度学习经典网络解析图像分类篇（五）：VGG
VGG论文翻译详情见我的博客：https://blog.csdn.net/muye_IT/article/details/1238089351.背景介绍 VGGNet是在ImageNet Challenge 2014在定位和分类过程中分别获得了第一名和第二名的神经网络架构。VGGNet是牛津大学计算机视觉组和DeepMind公司的研究员一起研发的深度卷积神经网络。VGG主要探究了卷积....
深度学习论文阅读图像分类篇（三）：VGGNet《Very Deep Convolutional Networks for Large-Scale Image Recognition》
Very Deep Convolutional Networks for Large-Scale Image &...
深度学习经典网络解析图像分类篇（四）：DenseNet
1.背景介绍 DenseNet是CVPR2017年的Best Paper，它脱离了加深网络层数(ResNet)和加宽网络结构(Inception)来提升网络性能的定式思维，从特征的角度考虑,通过特征重用和旁路(Bypass)设置,既大幅度减少了网络的参数量，又在一定程度上缓解了gradient vanishing问题的产生.结合信息流和特征复用的假设，DenseNet当之无愧成为20....
深度学习经典网络解析图像分类篇（三）：ZFNet
1.背景介绍 ZFNet在2013年 ILSVRC 图像分类竞赛获得冠军，错误率11.19% ，比去年的AlexNet降低了5%，ZFNet是由 Matthew D.Zeiler 和 Rob Fergus 在 AlexNet 基础上提出的大型卷积网络。ZFNet解释了为什么卷积神经网络可以在图像分类上表现的如此出色，以及研究了如何优化卷积神经网络。ZFNet提出了一种可视化的技术，通....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
深度学习更多图像分类相关
智能引擎技术
AI Online Serving，阿里巴巴集团搜推广算法与工程技术的大本营，大数据深度学习时代的创新主场。
+关注