基于深度学习的图像识别模型发展 (8)

Resnet系列 (长网络):从Resnet被提出后,许许多多该架构被相应提出,Desnet表现出其良好的优越性,残差网络使网络能够更好的处理梯度消失问题。PreActResNet将bn和relu放在前面,得到了很好的效果。还有Resnetx等,这里不多介绍了。

轻型模型 (轻网络):受限移动端的设备,主要思想是将卷积核分离,SqueezeNet 大量采用1x1的网络。mobilenet将3x3的网络分离为n个3x3的卷积核和1x1的卷积核。Shufflenet系列考不同channel之间的关联,提出group1x1,然后再进行混洗。

attention模型(重网络):类似与文本的attention,主要针对不同channel的权重和每个channel不同区域的权重。Residual Attention Network和Senet为典型。

参考

XreCis CSDN博客:https://blog.csdn.net/lly1122334/article/details/88717074

21秒看尽ImageNet屠榜模型,60+模型架构同台献艺

我的收藏2018(技术类)

深度学习(图像方向)常见名词术语

基于深度学习的13种通用图像分类模型及其实现

SENets-Residual Attention Networks

其中两个你没写道:SegNet、SqueezeNet、YOLO、ResNeXt

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/zwygfg.html