Computer Vision-几个常用的卷积神经网络

Computer Vision-几个常用的卷积神经网络

1. Mobilenet
MobileNet描述了一个高效的网络架构，允许通过两个超参数直接构建非常小、低延迟、易满足嵌入式设备要求的模型。

• 第一个参数宽度因子α(Width multiplier)，用于控制输入和输出的通道数。宽度因子将计算量和参数降低了约 a^2倍。
• 第二个控制模型大小的超参数是：分辨率因子ρ (resolution multiplier)。用于控制输入和内部层表示。即用分辨率因子控制输入的分辨率。分辨率因子将计算量和参数降低了约ρ2倍，可很方便的控制模型大小。

目前已有Mobilenet v1和v2两个版本。
2.Faster-RCNN
使用RPN(Region Proposal Network)代替原来的Selective Search方法产生建议窗口；产生建议窗口的CNN和目标检测的CNN共享，从而降低运算能力的浪费，提高计算速度。
资料网站：https://www.cnblogs.com/dudumiaomiao/p/6560841.html
3.SSD
一种直接预测目标类别和bounding box的多目标检测算法。与faster rcnn相比，该算法没有生成 proposal(建议窗口) 的过程，这就极大提高了检测速度。SSD算法则利用不同卷积层的 feature map 进行综合也能达到同样的效果。算法的主网络结构是VGG16，将最后两个全连接层改成卷积层，并随后增加了4个卷积层来构造网络结构。
资料网站：https://www.cnblogs.com/xuanyuyt/p/7447111.html