Den*_*ker 29 deep-learning conv-neural-network max-pooling
在大多数体系结构中,conv层后面跟着一个池化层(max/avg等).由于这些汇集层只是选择前一层的输出(即转换),我们是否可以使用带有步幅2的卷积并期望类似的精度结果和减少的过程需求？
vij*_*y m 40
是的,可以做到.它在文件'Striving for simplicity: The all convolutional net' https://arxiv.org/pdf/1412.6806.pdf中进行了解释.从论文引用:
"我们发现最大池化可以简单地用卷积层代替,步幅增加而不会损失几个图像识别基准的准确度"
| 归档时间： |
|
| 查看次数： |
11499 次 |
| 最近记录： |