ZFNet: Eine Erklärung zum Papier mit Code

Blog

ZFNet: Eine Erklärung zum Papier mit Code

Bei der ImageNet Large Scale Visual Recognition Challenge (ILSVRC) 2013 stand ZFNet mit deutlichen Verbesserungen im Rampenlicht. AlexNet . Dieses Papier ist das goldene Juwel, das Ihnen den Ausgangspunkt für viele Konzepte bietet, wie z Deep-Feature-Visualisierung , Merkmalsinvarianz , Merkmalsentwicklung, und Merkmal Bedeutung .




Die Architektur

Bild für Beitrag

https://arxiv.org/pdf/1311.2901.pdf



  • Unser Beitrag ist 224x224x3 Bilder.
  • Nächste, 96 Windungen von 7x7 mit einem Schritt von 2 werden durchgeführt, gefolgt von **ReLU **Aktivierung, **3x3 max Pooling mit Schritt 2 **und lokale Kontrastnormalisierung .
  • Gefolgt davon sind 256 Filter von 3x3 die sind dann wieder lokaler Kontrast normalisiert und Parteien .
  • Die dritte und vierte Schicht sind identisch mit 384 Kerne zu je 3x3 .
  • Die fünfte Schicht hat 256 Filter von 3x3, gefolgt von 3x3 max Pooling mit Schrittweite 2 und lokale Kontrastnormalisierung .
  • Die sechste und siebte Schicht Haus 4096 dicht Einheiten jeweils.
  • Schließlich füttern wir in eine ** dichte Schicht von 1000** Neuronen, d. h. die Anzahl der Klassen in ImageNet.

#ai #towards-data-science #machine-learning #learning-to-code #deep-learning

zudatascience.com

ZFNet: Eine Erklärung zum Papier mit Code

Enthüllen Sie die Geheimnisse, wie neuronale Netze unsere Welt sehen!. Dieses Papier ist das goldene Juwel, das Ihnen den Ausgangspunkt für viele Konzepte wie Deep-Feature-Visualisierung, Feature-Invarianz, Feature-Evolution und Feature-Bedeutung bietet.