论文链接：https://papers.nips.cc/paper/2012/file/c399862d3b9d6b76c8436e924a68c45b-Paper.pdf Q1：解决了什么？ 目前主要利用机器学习来解决目标识别任务； 机器学习可以通过“扩充数据集”、“强化训练模型”、“充实预防过拟合的手段”等多种技巧去提高训练性能。 之前机器学
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。 下面简要分析
二叉树 二叉树不是树的一种特殊情形，尽管其与树有许多相似之处，但树和二叉树有两个主要差别： 1. 树中结点的最大度数没有限制，而二叉树结点的最大度数为2； 2. 树的结点无左、右之分，而二叉树的结点只有左、右之分。 下图即为一个典型是二叉树！！！ 接下来就来分析这个图： 在这“棵”树上 根
1、VGGNet 模型简介 VGG Net由牛津大学的视觉几何组（Visual Geometry Group）和 Google DeepMind公司的研究员一起研发的的深度卷积神经网络，在 ILSVRC 2014 上取得了第二名的成绩，将 Top-5错误率降到7.3%。它主要的贡献是展示出网络的深度（depth）是算法优良性能的关键部分。目前使用比
在AlexNet中LRN 局部响应归一化的理 一、LRN技术介绍： Local Response Normalization(LRN)技术主要是深度学习训练时的一种提高准确度的技术方法。其中caffe、tensorflow等里面是很常见的方法，其跟激活函数是有区别的，LRN一般是在激活、池化后进行的一种处理方法。LRN归一化技
