[人工智能] 【深度学习CV-baseline】VGG论文精读

开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 人工智能 -> 【深度学习CV-baseline】VGG论文精读 -> 正文阅读

[人工智能]【深度学习CV-baseline】VGG论文精读

VGG-大规模图像识别的深度卷积神经网络
一、研究背景、成果及意义
1、学习目标

这篇文章是针对卷积神经网络的深度去研究的，并且是针对大规模的图像识别任务中。
在这里插入图片描述
2、研究背景、成果及意义

相关研究
1、AlexNet：ILSVRC-2012分类冠军，里程牌的CNN模型
AlexNet卷积神经网络设计理念会一直沿用，前面卷积池化进行特征提取，后面FC层分类的设计思想。
2、ZFNet：ILSVRC-2013分类冠军，对AlexNet改进
仅仅是对AlexNet超参数的改变
3、OverFeat：ILSVRC-2013定位冠军，集分类、定位和检测于一体的卷积网络方法
利用全卷积网络FCN将分类、定位和检测集于一体，在本文VGG测试技巧中的Dense稠密测试就需要用到这一概念。