всего 8 этажей

Изучите структурные особенности на основе данных, которые имеют значение для классификации.

Опишите структурную информацию во входном изображении

Результаты описания сохраняются в 256 картах откликов признаков размером 6x6.

Измените предыдущее ядро ​​свертки на меньший размер.

Увеличьте размер шага для успешного извлечения функций.

Увеличьте количество ядер поздней свертки.

13 сверточных слоев

3 полностью связанных слоя

Используйте меньшие ядра свертки 3х3 последовательно, чтобы получить большее восприимчивое поле.

Более глубокая глубина, более сильная нелинейность и меньшее количество параметров сети.

Удалите слой LRN AlexNet.

Преимущества небольшого ядра свертки

Причины свертки в 512

Предложите начальную структуру, которая может сохранить более характерную информацию входного сигнала.

Удалите полностью связный слой и используйте средний пул, в результате чего получится всего 5 миллионов параметров, что в 12 раз меньше, чем у AlexNet.

В середине сети введен вспомогательный классификатор для решения проблемы исчезающего градиента во время обучения.

Разница между векторизацией среднего пула и векторизацией прямого расширения

Более глубокие сети уступают более мелким сетям.

причина

Предлагаемый остаточный модуль

предлагаемая нормализация партии

Предложите метод инициализации функции активации ReLU.

можно рассматривать как интегрированную модель