资料下载
×
深度学习中的卷积神经网络层级分解综述
消耗积分:0 |
格式:pdf |
大小:2.50 MB |
2021-05-19
分享资料个
随着深度学习的不断发展，卷积神经网络（CNN）在目标检测与图像分类中受到研究者的广泛关注。CNN从 Lenet5网络发展到深度残差网络，其层数不断增加。基于神经网络中“深度”的含义，在确保感受野相同的前提下，给定标准的输入图片和输出特征图，对不同层数的卷积神经网络进行训练，并将训练结果与标准输出图进行对比。在此基础上，对标准的3×3卷积核进行分解，构建由2×2大小卷积核组成的CNN。根据目标特征是否具有中心对称的性质，提出多层卷积网络初始权值的选取规则。
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
