Monthly Archive: 11月 2020

[Reading] Aggregated Residual Transformations for Deep Neural Networks

Aggregated Residual Transformations for Deep Neural Networks (2016/11) 1. 概述   文章的主要贡献有: 通过对一组具有相同拓扑的变换进行聚合,构造了一种简单高效的 block 结构。其中引入了“势”(cardinality)这一新的维度,即变换的数量,作为宽度和深度之外的另一个维度。 验证了即便在严格的复…
Read more

[Reading] Deep Residual Learning for Image Recognition

Deep Residual Learning for Image Recognition (2015/12) 1. 概述   文章的主要贡献有: 分析了过深的网络性能反而变差的原因,提出了通过残差学习(residual learning)来解决劣化的方法,使得训练更深的网络变得更加容易。相比于直接学习目标映射,学习目标映射与输入的残差更容易进行优化。 提出了用于残差学习的基础结…
Read more

[Reading] Rethinking the Inception Architecture for Computer Vision

Rethinking the Inception Architecture for Computer Vision (2015/12) 1. 概述   文章的主要贡献有: 给出了一系列网络设计原则,用于更有效地增大卷积网络,指出虽然增加网络尺寸和计算量可以有效提高性能,但在移动端等计算能力受限的场景下,保持计算量和参数数量也很重要。 以 Inception 模块为基础,通过使用…
Read more

[Reading] Spatial Transformer Networks

Spatial Transformer Networks (2015/6) 1. 概述   文章的主要贡献有: 提出了一种对特征图进行空间变换的模块,称为 Spatial Transformer(ST)。该模块可以通过学习,对不同的特征图进行适当的变换,增强卷积神经网络对输入数据的空间不变性,从而提高网络性能。其主要特点有: ST 作为一个独立的模块,可以很容易地插入到已有的网…
Read more