resNet讲解.pdf

发布时间：2022-05-31 发布人：admin 分类：说明书资料大小：1.51M 资料格式：pdf 举报版权申诉

第1页 / 共26页

第2页 / 共26页

第3页 / 共26页

第4页 / 共26页

第5页 / 共26页

第6页 / 共26页

第7页 / 共26页

第8页 / 共26页

江南大学 Deep Residual Learning for Image Recognition 深度残差学习在图像识别中的应用

主要内容第一部分第二部分第三部分第四部分本文主要解决论文的主要创的问题新点主要解决方法与同类架构的 /算法比较

本文解决的问题

本文的研究背景从左图可以看到，理论上，随着神经网络层次增加，学习的效果应该是越来越好的。

解决的问题如上图，当神经网络层次增加时，训练集和测试集中更深层的神经网络的错误率更高。即，随着神经网络层次增加产生了退化。因此本文主要解决了深层神经网络中的退化问题。

本文的创新点

本文的创新点——引入深度残差学习框架普通神经网络残差神经网络普通神经网络是通过传入x，在weight处进行求积运算后，在BN处求和再往下一层传。而残差网络则是在传入下一层的求和步骤再次传入x，即传到下一层的参数

分享到：

赞收藏

资料库