MMLAB学习笔记-DAY2

图像分类与基础视觉模型

一、问题描述

• 图像分类：给定一张图片，识别出图片中物体所属的类别
• 实现步骤：收集数据->定义模型->训练->预测

二、卷积神经网络

• AlexNet
• VGG-19
• GoogLeNet
• 残差学习：让新增加的层拟合浅层网络与深层网络之间的差异，更容易学习。梯度可以直接回传到浅层网络监督浅层网络的学习

三、更强的分类模型

• 神经架构搜索：借助强化学习设计网络结构
• Vision Transformers：使用 Transformer 替代卷积网络实现图像分类，使用更大的数据集训练，达到超越卷积网络的精度
• ConvNeXt：将 Swin Transformer 的模型元素迁移到卷积网络中

四、轻量化卷积神经网络

• 降低模型参数量和计算量的方法：降低通道数、减小卷积核的尺寸
• GoogLeNet：使用大小不同的卷积核来减小参数量
• ResNet：使用1*1卷积降低通道数
• 可分离卷积：将常规卷积分解为逐层卷积和逐点卷积，降低参数量和计算量