Deep learning Overfeat可以在ResNet或Inception网络架构上工作吗_Deep Learning_Neural Network_Computer Vision_Conv Neural Network_Object Detection

Deep learning Overfeat可以在ResNet或Inception网络架构上工作吗

deep-learning neural-network computer-vision

Deep learning Overfeat可以在ResNet或Inception网络架构上工作吗,deep-learning,neural-network,computer-vision,conv-neural-network,object-detection,Deep Learning,Neural Network,Computer Vision,Conv Neural Network,Object Detection,我对Overfeat的原理很熟悉，它不仅可以通过使用卷积层（而不是最后的完全连接层）对图像中的对象进行分类，还可以对其进行定位。然而，我阅读的每一篇教程或解释都谈到alexnet或一个非常基本的神经网络，它由几个连续的卷积层和2-3个完全连接的层组成，用于对图像进行分类。然而，我的问题如下，是否有可能修改一个更复杂的网络，如ResNet或Inception，它不使用Alexnet或VGG中的标准连续卷积层技术谢谢，欢迎光临。查看一个非常简化的图，如拆分“FC”（“完全连接”或“密集”）箭头左侧

我对Overfeat的原理很熟悉，它不仅可以通过使用卷积层（而不是最后的完全连接层）对图像中的对象进行分类，还可以对其进行定位。然而，我阅读的每一篇教程或解释都谈到alexnet或一个非常基本的神经网络，它由几个连续的卷积层和2-3个完全连接的层组成，用于对图像进行分类。然而，我的问题如下，是否有可能修改一个更复杂的网络，如ResNet或Inception，它不使用Alexnet或VGG中的标准连续卷积层技术

谢谢，欢迎光临。查看一个非常简化的图，如拆分“FC”（“完全连接”或“密集”）箭头左侧的所有内容都可以是任何类型的（通常称为）图像分类网络，例如中的图像分类网络，其中包括VGG、ResNet、Inception、Exception等。对于这些类型的网络，输入显然是图像，输出有时被称为“特征地图”（尽管这有点傻——看看输出，你就会明白——因为它通常更类似于后现代主义地图，而不是地图）

所以你的问题的答案是肯定的：把你想要的任何类型的网络放在“overfeat”结尾的东西之前，不管是定制的还是其他的，但是要知道它的目的是一些一般的卷积简化模型，比如ResNet，Inception，等等。任何类型的网络都可以把一个图像放进去，然后吐出一个集合的或扁平的（1维）3维“特征图”的形式显然是为了实现这一“超壮举”概念。

欢迎，是的。查看一个非常简化的图，如拆分“FC”（“完全连接”或“密集”）箭头左侧的所有内容都可以是任何类型的（通常称为）图像分类网络，例如中的图像分类网络，其中包括VGG、ResNet、Inception、Exception等。对于这些类型的网络，输入显然是图像，输出有时被称为“特征地图”（尽管这有点傻——看看输出，你就会明白——因为它通常更类似于后现代主义地图，而不是地图）