摘要：创新点（小卷积核、小池化核、层数更深、全连接变卷积） 对AlexNet改进，在第一个卷积层中使用了更小的卷积核和卷积stride 多尺度(训练和测试时，采用图片的不同尺度（当然是按各向同性缩放的最小边划定标准）) 层数深 测试阶段，将三个全连接变为三个卷积层，以适应任何大小的图片输入（最后那里是sc 阅读全文

摘要：创新点 成功的使用relu函数替代了sigmoid函数，解决了使用sigmoid的梯度消散问题 成功的在全连接层使用dropout 成功的使用重叠最大池化 提出了LRN 利用GPU进行运算 数据增强256×256裁224×224并flip，RGB的PCA处理 relu函数的优点 增加非线性 增加网络 阅读全文

摘要：一、特点 1、对AlexNet改进，在第一个卷积层用了更小的卷积核和stride 2、多尺度训练（训练和测试时，采用整张图的不同尺度） 由此，VGG结构简单，提取特征能力强，应用场景广泛 由单尺度测试结果对比： 二、 不同结构的对比 VGG一共提供了6个网络版本，一次探究不同网络的效果对比。 下面简 阅读全文

摘要：   本文主要介绍AlextNet的一些知识，这些知识经常被忽略 一、AlextNet的创新点 （1）成功使用ReLU作为CNN的激活函数，并验证其效果在较深的网络超过了Sigmoid，成功解决了Sigmoid在网络较深时的梯度弥散问题。虽然ReLU激活函数在很久之前就被提出了， 阅读全文