- 1、本文档共4页,其中可免费阅读2页,需付费200金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
摘要:现如今在视觉领域中卷积神经网络模型在确保识别率不大幅降低的前提下正朝着更低的计算量;更少的参数;更小的存储占用的轻量化趋势发展。文章列举了近年来经典的轻量级卷积神经网络,总结归纳了各个网络的特点和创新之处,为后继相关学者提供参考。
关键词:卷积神经网络;轻量级卷积神经网络;深度学习;计算机视觉
卷积神经网络(CNN)是一类具有深度结构且包含卷积计算的前馈神经网络,是深度学习代表算法之一。自1987年提出的时间延迟网络开始,随着数值计算设备的改进和深度学习理论的提出,卷积神经网络在计算机视觉领域得到了迅猛发展,多次成为ImageNet[1]大规模视觉识别竞赛的优胜算法,被广泛应用在
文档评论(0)