上一页 1 ··· 153 154 155 156 157 158 159 160 161 ··· 274 下一页
2018年5月13日
NASNet学习笔记——   核心一：延续NAS论文的核心机制使得能够自动产生网络结构；    核心二：采用resnet和Inception重复使用block结构思想；    核心三：利用迁移学习将生成的网络迁移到大数据集上提出一个new search space。
摘要： from：https://blog.csdn.net/xjz18298268521/article/details/79079008 NASNet总结 论文：《Learning Transferable Architectures for Scalable Image Recognition》 注 阅读全文
posted @ 2018-05-13 11:53 bonelee 阅读(872) 评论(0) 推荐(0)
ResNeXt——与 ResNet 相比，相同的参数个数，结果更好：一个 101 层的 ResNeXt 网络，和 200 层的 ResNet 准确度差不多，但是计算量只有后者的一半
摘要： from：https://blog.csdn.net/xuanwu_yan/article/details/53455260 背景 论文地址：Aggregated Residual Transformations for Deep Neural Networks 代码地址：GitHub 这篇文章在 阅读全文
posted @ 2018-05-13 11:44 bonelee 阅读(32212) 评论(0) 推荐(2)
Dual Path Networks（DPN）——一种结合了ResNet和DenseNet优势的新型卷积网络结构。深度残差网络通过残差旁支通路再利用特征，但残差通道不善于探索新特征。密集连接网络通过密集连接通路探索新特征，但有高冗余度。
摘要： 如何评价Dual Path Networks（DPN）？ 论文链接：https://arxiv.org/pdf/1707.01629v1.pdf在ImagNet-1k数据集上，浅DPN超过了最好的ResNeXt-101（64×4d），具有26％更小的模型尺寸，25％的计算成本和8％的更低的内存消耗 阅读全文
posted @ 2018-05-13 11:42 bonelee 阅读(2761) 评论(0) 推荐(0)
2018年5月12日
SENet（Squeeze-and-Excitation Networks）算法笔记---通过学习的方式来自动获取到每个特征通道的重要程度，然后依照这个重要程度去提升有用的特征并抑制对当前任务用处不大的特征
摘要： Momenta详解ImageNet 2017夺冠架构SENet 转自机器之心专栏 作者：胡杰 本届 CVPR 2017大会上出现了很多值得关注的精彩论文，国内自动驾驶创业公司 Momenta 联合机器之心推出 CVPR 2017 精彩论文解读专栏。除此之外，Momenta 还受邀在 CVPR 201 阅读全文
posted @ 2018-05-12 22:06 bonelee 阅读(62180) 评论(2) 推荐(8)
总结近期CNN模型的发展(一)---- ResNet [1, 2] Wide ResNet [3] ResNeXt [4] DenseNet [5] DPNet [9] NASNet [10] SENet [11] Capsules [12]
摘要： 总结近期CNN模型的发展(一) from:https://zhuanlan.zhihu.com/p/30746099 余俊 计算机视觉及深度学习 from:https://zhuanlan.zhihu.com/p/30746099 余俊 计算机视觉及深度学习 from:https://zhuanla 阅读全文
posted @ 2018-05-12 21:04 bonelee 阅读(4683) 评论(0) 推荐(0)
DenseNet算法详解——思路就是highway，DneseNet在训练时十分消耗内存
摘要： 2017年09月28日 11:58:49 阅读数：1814 2017年09月28日 11:58:49 阅读数：1814 阅读数：1814 [ 转载自http://www.yyliu.cn/post/7cabb4ff.html ] CVPR 2017上，清华大学的Zhuang Liu、康奈尔大学的Ga 阅读全文
posted @ 2018-05-12 16:48 bonelee 阅读(16027) 评论(0) 推荐(0)
2018年5月11日
基于深度学习的安卓恶意应用检测----------android manfest.xml + run time opcode, use 深度置信网络（DBN）
摘要： 基于深度学习的安卓恶意应用检测 from:http://www.xml-data.org/JSJYY/2017-6-1650.htm 苏志达, 祝跃飞, 刘龙 摘要: 针对传统安卓恶意程序检测技术检测准确率低，对采用了重打包和代码混淆等技术的安卓恶意程序无法成功识别等问题，设计并实现了DeepDro 阅读全文
posted @ 2018-05-11 14:27 bonelee 阅读(1113) 评论(0) 推荐(0)
2018年5月10日
微软面试题：鸡蛋从第N层及以上的楼层落下会摔破
摘要： 题目： 有一栋楼共100层，一个鸡蛋从第N层及以上的楼层落下来会摔破， 在第N层以下的楼层落下不会摔破。给你2个鸡蛋，设计方案找出N，并且保证在最坏情况下， 最小化鸡蛋下落的次数。(假设每次摔落时，如果没有摔碎，则不会给鸡蛋带来损耗) 形形色色的解答： 在参考下面的解答之前，请你先仔细思考10分钟。 阅读全文
posted @ 2018-05-10 22:51 bonelee 阅读(1134) 评论(0) 推荐(0)
8个试剂，其中一个有毒，最少多少只小白鼠能检测出有毒试剂——分而治之思想
摘要： 面试题：8个试剂，其中一个有毒，最少多少只小白鼠能检测出有毒试剂 方法1： 用3只小鼠，能组合成8种状态。 第一只喂食【1、3、5、7】四只试剂 第二只喂食【2、3、6、7】四只试剂 第三只喂食【4、5、6、7】四只试剂 方法2： 二分法，每次把试剂分成两堆，然后用两只小鼠测试，如果一只死掉了，那么 阅读全文
posted @ 2018-05-10 22:04 bonelee 阅读(769) 评论(0) 推荐(0)
2018年5月9日
迁移学习——使用Tensorflow和VGG16预训模型进行预测
摘要： 使用Tensorflow和VGG16预训模型进行预测 from：https://zhuanlan.zhihu.com/p/28997549 from：https://zhuanlan.zhihu.com/p/28997549 fast.ai的入门教程中使用了kaggle: dogs vs cats作 阅读全文
posted @ 2018-05-09 22:39 bonelee 阅读(11042) 评论(0) 推荐(0)
上一页 1 ··· 153 154 155 156 157 158 159 160 161 ··· 274 下一页