GoogleNet(Going deeper with convolutions)网络简单介绍(笔记)

2023-11-02

GoogleNet在2014年由Google团队提出,斩获当年ImageNet竞赛中Classification Task (分类任务)第一名。
网络中的亮点:
1、引入了 Inception结构( 融合不同尺度的特征信息)                                                                        2、使用1x1的卷 积核进行降维以及映射处理日                                                                                  3、添加两个辅助分类器帮助训练                                                                                                      4、丢弃全连接层,使用平均池化层(大大减少模型参数)

整个网络结构如下:

 inception结构如下

这里的1x1卷积作用是降维。可以减少参数。如下。

 

 辅助分类器(Auxiliary Classifier)

两个辅助分类器结构相同。

层级 结构 输出大小
平均池化层 5x5大小,步长为3的卷积

4x4x512 for 4a

4x4x528 for 4d

1维卷积层 128个1x1的卷积,ReL激活函数 不改变大小,只改变通道数
全连接层1 1024个节点数
全连接层1 使用70%的dropped outputs
输出层 1000个类别

 最终的网络表格如下,可以对比第一张图,是一样的。

参考: https://www.bilibili.com/video/BV1z7411T7ie

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

GoogleNet(Going deeper with convolutions)网络简单介绍(笔记) 的相关文章

随机推荐

  • LightGBM的黑科技--plot函数

    本教程教萌新如何使用lightgbm里面可视化函数 作者 JasonChen 文章内容概览 保留训练结果 plot metric 函数的使用 重要 plot importance 函数的使用 重要 plot tree 函数的使用 可选 cr
  • Iterator对象

    Iterator对象 是一个引用型变量 他存在的意义在于 为了遍历容器对象中的元素而不暴露容器对象内部的细节 iterator 方法是容器变量使用 返回一个Iterator对象 该对象也是一个容器 因为他里面存放着即将访问的容器对象的元素
  • python怎么统计单词总数_利用Python的 counter内置函数,统计文本中的单词数量

    counter是 colletions内的一个类 可以理解为一个简单的计数器 可以统计字符出现的个数 例子如下 importcollections str1 a a b d m collections Counter str1 print
  • SSD算法详解 及其 keras实现 (下)

    在上一篇的博客讲述了SSD的原理 这一篇主要是讲解keras的实现 keras代码的github地址为 点击打开链接 model 的框架实现 ssd py 先给出了改变后的VGG16的实现 def SSD300 input shape nu
  • MybatisPlus多表连接查询

    一 序言 一 背景内容 软件应用技术架构中DAO层最常见的选型组件为MyBatis 熟悉MyBatis的朋友都清楚 曾几何时MyBatis是多么的风光 使用XML文件解决了复杂的数据库访问的难题 时至今日 曾经的屠龙者终成恶龙 以XML文件
  • FPGA网络通信 ——RGMII传输

    一 RGMII特点 RGMII采用双沿传输 DDR接口 在CLK的上升沿和下降沿都各传输一次数据 同时 TX ER 和RX ER 信号编码进了TX CTL 和RX CTL 信号中 不再使用独立的信号线 这两个信号传输也是通过上升和下降沿来区
  • vue3 中绑定多个ref对象

    for循环中 如果给每一个元素绑定一个特定的ref值 ref xxx 那么就要定义N多个变量来分别接受它们 显然不现实 1 在setup中定义一个常量xxxrefs用来接受所有for循环设置ref的元素 ref中必须要是空数组 const
  • python3安装matplotlib的两种方法_如何安装matplotlib与Python3.2

    Matplotlib支持python 3 x版本1 2 发布于2013年1月 要安装它 看看installation instructions 一般来说 调用pip install matplotlib或使用您的首选机制 conda hom
  • c语言编程人狼羊菜过河,基于visual Studio2013解决C语言竞赛题之1079狼羊过河

    题目 解决代码及点评 79 猎人过河 猎人要把一只狼 一头羊和一些白菜从河的左岸带到右岸 但他的船太小 一次只能带一样 因为狼要吃羊 羊会吃白菜 所以狼和羊 羊和白菜不能在无人监视的情况下相处 问猎人怎样才能达到目的 请编程序实现猎人过河
  • SpringBoot注解使用redis做缓存总结

    前言 个人工作中对此相关内容的总结 部分资料来源于网上 一 Cacheable CachePut CacheEvict 注释介绍 Cacheable Cacheable 的作用 主要针对方法配置 能够根据方法的请求参数对其结果进行缓存 主要
  • nmtui 和 nmcli 命令 配置网络

    目录 一 nmtui命令 修改静态IP地址 二 nmcli命令 基于命令行配置网卡参数 三 绑定两块网卡 1 创建出一个bond网卡 2 向bond0设备添加从属网卡 3 配置bond0设备的网络信息 4 启动和测试 一 nmtui命令 修
  • 第001天:第一行Android代码

    1 1 了解全貌 Android王国简介 Android从面世以来到现在已经发布了二十几个版本了 在这几年的发展过程中 谷歌为 Android王国建立了一个完整的生态系统 手机厂商 开发者 用户之间相互依存 共同推进着 Android的蓬勃
  • 人体姿态识别(毕业设计+代码)

    模型效果 从下图可以清楚的看到 提出的模型可以对人眼以及嘴巴进行描述 最终的是对每个关节点进行了划分和表示 前言 从视频中进行人体姿势估计在各种应用中都扮演着关键角色 例如量化身体锻炼 手语识别和全身手势控制 例如 它可以成为瑜伽 舞蹈和健
  • windows内核API种类

    在初学windows驱动时 开始除了要学习驱动的加载 调试等准备工作后 就要学习内核的API了 作为初学者在刚刚看到那些很陌生的函数时可能会感到很迷茫 其实这些都是很正常的 就像我们在刚刚接触编程时那样 今天我在我第一篇正式的博文中总结一下
  • 【VUE】基于VUE的图片预览插件 vue-photo-preview

    使用方法 1 安装 npm install vue photo preview save 2 在 main js 中引入配置文件 import vuePicturePreview from vue picture preview Vue u
  • yolov5lite v1.4 踩坑记录

    yolov5lite v1 4 1 报错 AttributeError module numpy has no attribute int np int was a deprecated alias for the builtin int
  • Surface先进行lockCanvas,随后绘制视频引发的IlleageArgumentException

    表现形式 在SurfaceView或者SurfaceTextture中 先对拿到serface 对其lockCanvas获得画布 绘画解除锁定后 又播放视频 出现了崩溃 思路来源 https stackoverflow com questi
  • [性能优化]为了把首页加载速度从15秒降到2秒我都做了哪些事情?

    性能优化 为了把首页加载速度从15秒降到2秒我都做了哪些事情 前言 对于一个网站来说 首页打开的速度一定程度上决定了用户的访问量和留存率 很显然 5G时代下的人们是缺乏耐心的 如果一个网页卡十几秒还没开 估计会弃之 那么怎么才能提高这个速度
  • centos7安装pip并修改pip源,修改yum源

    修改yum源 wget O etc yum repos d CentOS Base repo http mirrors aliyun com repo Centos 7 repo sudo yum clean all sudo yum ma
  • GoogleNet(Going deeper with convolutions)网络简单介绍(笔记)

    GoogleNet在2014年由Google团队提出 斩获当年ImageNet竞赛中Classification Task 分类任务 第一名 网络中的亮点 1 引入了 Inception结构 融合不同尺度的特征信息 2 使用1x1的卷 积核