资料下载
×
学习区分本地化的深层特征详细资料说明
消耗积分:1 |
格式:pdf |
大小:1.38 MB |
2020-07-20
l_yueing
分享资料个
在这项工作中，我们重温了〔13〕中提出的全局平均池层，并阐明了它如何明确地使卷积神经网络（CNN）具有显著的定位能力，尽管它是在图像级标签上训练的。虽然这种技术以前被提出作为正则化训练的一种手段，但我们发现它实际上建立了一个通用的可本地化的深层表示，从而暴露出cnn对图像的内隐注意。尽管全球平均池明显简单，但我们能够在ILSVRC 2014上实现37.1%的目标定位前5名错误，而无需对任何边界框进行培训注释。我们在各种实验中证明，我们的网络能够定位有区别的图像区域，尽管只是训练解决分类任务
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
