【深度学习】如何从结构出发更好的改进一个神经网络

【深度学习】如何从结构出发更好的改进一个神经网络


文章目录
1 降采样和升采样
2 UNet++模型诞生
3 参数多了是导致UNet++比UNet好吗
4 一些思路
5 改进卷积结构
	5.1 转置卷积
	5.2 空洞卷积
	5.3 Depth-wise Convolution
	5.4 MBConv
	5.5 高效的Unet
	5.6 基于keras的代码实现

1 降采样和升采样

第一个问题: 降采样对于分割网络到底是不是必须的?问这个问题的原因就是,既然输入和输出都是相同大小的图,为什么要折腾去降采样一下再升采样呢?

理论回答是这样的: 降(下)采样的理论意义,它可以增加对输入图像的一些小扰动的鲁棒性,比如图像平移,旋转等,减少过拟合的风险&#

李响Superb CSDN认证博客专家 机器学习 TensorFlow 图像处理
成为一名优秀的算法工程师⬆️ ,
目前还在读软件工程,
AI攻防、算法和深度学习方向,
微博同名❤️ :李响Superb,
(记得关注,有问题微博私信!)
我们一起努力呀!
相关推荐
©️2020 CSDN 皮肤主题: 猿与汪的秘密 设计师:白松林 返回首页
实付 9.90元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值