ResNet-152

CNN经典模型（六）轻量化网络MobileNet 系列

在实际中应用CNN受限于硬件运算能力与存储（比如几乎不可能在ARM芯片上跑ResNet-152）。所以必须有一种能在算法层面有效的压缩存储和计算量的方法。

happy1yao·2023-09-10 13:14

卷积神经网络CNN的经典模型

LeNet-5（2.2）AlexNet-8（2.3）VGGNet-16/19（2.4）GoogleNet-22（Inception：V1-V2-V3-V4）2.4.1、InceptionV1（2.5）ResNet

胖墩会武术·2023-03-14 18:26

模型压缩总结

比如ResNet-152的参数量可以达到60million=0.00006

慕思侣·2023-02-07 13:30

轻量级网络开山之作：MobileNet

目录1MobileNetv12MobileNetV23MobileNetv3前面我们谈到的卷积神经网络，内存需求大、运算量大，往往无法在移动设备以及嵌入式设备上运行（比如resnet-152有644m参数

lansfair·2023-01-28 08:14

PyTorch搭建ResNet模型（在CIFAR10数据集上准确率达到了90%）

模型https://zhuanlan.zhihu.com/p/101332297为了减少时间成本，本文只复现了ResNet-18模型，诸如ResNet-34、ResNet-50、ResNet-101、ResNet

DeeGLMath·2022-12-16 08:33

视觉问答——使用预训练模型提取特征以及特征融合的代码学习（未完待续，tensorflow实现）

标准VQA模型如下图所示：1.图像特征提取一般我们用预训练好的CNN模型，这里常用的包括vgg16/19，resnet-152/101，fasterrcnn。

全部梭哈迟早暴富·2022-12-10 08:40

YoloV3详解

DefaultanchorsLossFunctionLossReferencepaperhttps://arxiv.org/pdf/1804.02767v1.pdf网络结构图性能上远超Darknet-19，但在效率上同样优于ResNet-101和ResNet

栐木·2022-12-01 17:26

目标检测：YOLOV3

Darknet-53对比ResNet-152，top1和top5差不多，但速度快一倍。

wanchengkai·2022-11-19 13:09

Yolov3/Yolov4原理对比改进创新

backbone主网络1、升级为Darknet-53yolov3的backbone部分由Yolov2时期的Darknet-19进化至Darknet-53，加深了网络层数，引入了Resnet中的跨层加和操作，达到了resNet

酸辣土豆丝不要辣·2022-08-16 08:53

基于TensorFlow使用RTX 2080 Ti深度学习基准（2020年）

我们使用RTX2080Ti来训练ResNet-50，ResNet-152，Inceptionv3，Inceptionv4，VGG-16，AlexNet和SSD300。

孙琪翔·2020-09-17 07:40

ResNet训练单通道图像分类网络（Pytorch）

前言 ResNet是一个比较成熟的深度学习分类模型，目前有ResNet-18、ResNet-34、ResNet-50、ResNet-101、ResNet-152，同时，该分类模型常用于RGB（三通道）彩色图像的分类任务

望~·2020-09-17 01:18

TensorFLow搭建ResNet一文详解

阅前须知：为了使本文结构精简，理解简单，所以会尽量少涉及到有关数学公式，降低学习门槛，带领读者快速搭建ResNet-152经典模型并投入训练。

FFFeiYee·2020-08-25 16:47

Resnet-152的图像预处理

152层的Resnet的图片输入尺寸为224*224，那对于大多数情况，图片的分辨率都是大于这个数值，那么该如何把图片的尺寸裁剪到这样一个尺寸，又如何进行数据增强呢？第一，调整尺寸(Rescaling)先将图片较短的那条边，随机缩放到[256,480]这样一个范围内。注意，此时的图片是等比例缩放的。举个例子，原始图片的尺寸为[1000,800,3]，假设图片短边缩放到256，那么此时图片的尺寸即为

心宜常静·2020-07-07 05:37

[论文笔记]Visual Discovery at Pinterest

当取原始的raw特征时，ResNet-152的Pool5效果最好。并且当取二值化时，VGG16的FC-6层

少侠阿朱·2020-06-30 11:29

谷歌发布深度学习Efficient Net新架构，各方面表现全面碾压卷积神经网络

EfficientNet-B7能够达到84.4%的精度，但它比GPipe小8.4倍，快6.1倍，EffectiveNet-B1比ResNet-152要小7.6倍，还快快5.7倍。

beyondma·2019-06-07 21:24

PyTorch：利用预训练好的ResNet-152网络提取图片特征

这篇博文相当于是对上一篇博文Pytorch：利用预训练好的VGG16网络提取图片特征的补充，本文中提到的提取方式与前文中的不同。另外，因为TorchVision提供的训练好了的ResNet效果不好，所以本文中将会使用由ruotianluo提供的从Caffe转换过来的ResNet模型（具体可以看这个repo，如果好奇怎么转换的话）。代码以下代码节选自pytorch-vqa的preprocess-im

Geek_of_csdn·2019-05-13 19:59

YOLO 与增强现实

Darknet-53与ResNet-152具有相似的性能，速度提高2倍。多尺度预测坐标预测：bbox预测仍是yolov2的使用维度聚类（dimensionclusters）作为ancho

存远·2018-08-06 13:52

yolov3原理+训练损失