初始-v4

Inception-v4、Inception ResNet和残余连接对学习的影响。非常深的卷积网络是近年来图像识别性能最大进步的核心。一个例子是Inception架构,它已经被证明可以在相对较低的计算成本下获得非常好的性能。最近,在2015年ILSVRC挑战赛中,引入了剩余连接和更传统的架构,取得了最先进的性能;其性能类似于最新一代Inception-v3网络。这就提出了一个问题:将初始架构与剩余连接结合起来是否有任何好处。在这里,我们给出了明确的经验证据,即具有剩余连接的训练显著地加速了初始网络的训练。也有一些证据表明,剩余初始网络的表现要比没有剩余连接的类似昂贵的初始网络表现得差得多。我们还为剩余和非剩余初始网络提出了几种新的流线型体系结构。这些变化显著提高了ILSVRC 2012分类任务的单帧识别性能。我们进一步证明了适当的激活尺度是如何稳定非常广泛的残差初始网络的训练的。使用三个残差和一个Inception-v4的集合,我们在ImageNet分类(CLS)挑战的测试集上实现了3.08%的top5错误


zbMATH中的参考文献(参考文献29条)

显示第1到第20个结果,共29个。
按年份排序(引用)
  1. 安德森,洛维斯;特纳,马克;Koch,Thorsten:天然气网络决策的生成性深度学习(2022)
  2. 阿梅里尼,艾琳;阿纳格诺斯托普洛斯,阿里斯;麦亚诺,卢卡;Celsi,Lorenzo Ricciardi:多媒体取证的深度学习(2021)
  3. 高加索,马克西姆;古普塔、苏亚什;杜奇,约翰C.:了解你所知道的:多类和多标签预测中的有效和有效置信集(2021)
  4. 钟,埃里克;梁咏达;盘、西芒;张泽成:基于多阶段深度学习的多尺度模型约简算法(2021)
  5. 杰奎尔,皮埃尔;阿兹代丁,阿比多;德尔马斯,文森特;Soulaïmani,Azzeddine:使用不确定性感知深度神经网络和固有正交分解的非侵入式降阶建模:在洪水模型中的应用(2021)
  6. 马基宁,T.卢卡斯;查诺克,汤姆;阿尔辛,贾斯汀;班杰明D.旺德尔特:宇宙学场的无损可伸缩隐式似然推断(2021)
  7. 萨拉姆,阿卜杜勒瓦赫德;El Hibaoui,Abdelaaziz:具有深度初始残差网络灵感和LSTM的能耗预测模型(2021)
  8. 什克尔吉,布拉ž;马丁奇,马特;拉夫拉契纳达;波拉克,塞尼亚:汽车人:可解释的低资源文本分类的进化神经符号表征(2021)
  9. 孙彩霞;邹丽安;范,西恩;石、玉;刘一峰:用多尺度特征攻击增强对抗攻击的可转移性(2021)
  10. 杨红飞;丁晓峰;陈,雷蒙德;胡,慧;彭亚新;曾铁勇:一种新的基于规范统计空间的深部网络初始化方法(2021)
  11. 何娟娟;香,歌;朱子琦:一种用于电磁图像分割的深度全残差卷积神经网络(2020)
  12. 卡鲁穆里,莎米拉;神经病,罗希特;胆结石,髂骨;Panchal,Jitesh:使用深度神经网络的高维随机椭圆偏微分方程的无模拟器解(2020)
  13. 刘,李;欧阳、万里;王晓刚;菲格斯,保罗;陈杰;刘新旺;Pietikäinen,Matti:通用对象检测的深度学习:调查(2020)
  14. Ruehle,Fabian:数据科学在弦理论中的应用(2020)
  15. Schmidt Hieber,Johannes:使用具有ReLU激活函数的深层神经网络的非参数回归(2020)
  16. 邵文琪;李靖宇;任家民;张瑞茂;王晓刚;Luo,Ping:SSN:通过SparsestMax学习稀疏可切换规范化(2020)
  17. 夏尔玛,维普尔;Mir,Roohie Naaz:基于深度学习的目标检测技术的全面系统研究:综述(2020)
  18. 蒂博,亚历山德罗;杰格,曼弗雷德;Frasconi,Paolo:学习和解释多实例学习网络(2020)
  19. 特里金,A.N。;伊格纳蒂耶夫,V.Yu。;雅库博夫斯基,P.Ya.:从单次卫星图像确定建筑物参数的深度神经网络(2020年)
  20. 王毅;张浩;蔡锦菊;崔永和;金、龚勇;Ko,Seok Bum:用于改进CT肺结节分类的新型卷积神经网络结构(2020)