想用卷积网络做一个中文识别的模型,目前用的是VGG-16,但是效果还不太好。
不知道分类的卷积网络最新进展如何?又或者在哪里能看到最新进展呢?
举个例子,我们一开始可能都接触过多层感知机,其实就是隐藏层放了多个FC。这里的FC也是神经网络的一种
我就是看到胶囊网络,灵感大发
有时尽管网络很复杂,在测试集和训练集上的效果很好,其实对真正部署也不一定能带来很好的效果。
NLP的RNN也是一种神经网络,但他不叫卷积。。。所以神经网络还是包含很多内容的
卷积网络的框架目前还是在那几种经典框架上魔改吧 反正也啥理论就是改出来然后讲故事。。。
卷积提取图像这种二维的特征比较好用 用到nlp上好像没cv那么显著吧
是的,部署才是最头疼的,有时精度高但速度慢,速度快了精度却不行
ppyolo:我觉得被针对了/狗头
很有前途的种子选手,就是还有些坑要填
见过nlp用一维的
yolo系列部署应该还好吧,为何有此一狗头~~
但是如果遇到复杂背景的图像识别任务,卷积效果不太好,只能通过一些数据增广来提高鲁棒,但这都不是根本性的
其实还有一点,很多新的模型无法部署到一些设备上。。。
大佬怎么说?
看了胶囊网络。。。没看懂
感觉卷积当中引入attention效果会不会好点?(对于复杂场景分类)
大佬大佬
ppyolo效果过于好了……哈哈
注意力机制在图像上用了好几年了,最早的应该是SENET吧
是不是目前最强的
会过拟合……
是因为模型的规模限制了部署硬件的选择,这个意思吧?
举个例子,我们一开始可能都接触过多层感知机,其实就是隐藏层放了多个FC。这里的FC也是神经网络的一种
我就是看到胶囊网络,灵感大发
有时尽管网络很复杂,在测试集和训练集上的效果很好,其实对真正部署也不一定能带来很好的效果。
NLP的RNN也是一种神经网络,但他不叫卷积。。。所以神经网络还是包含很多内容的
卷积网络的框架目前还是在那几种经典框架上魔改吧 反正也啥理论就是改出来然后讲故事。。。
卷积提取图像这种二维的特征比较好用 用到nlp上好像没cv那么显著吧
是的,部署才是最头疼的,有时精度高但速度慢,速度快了精度却不行
ppyolo:我觉得被针对了/狗头
很有前途的种子选手,就是还有些坑要填
见过nlp用一维的
yolo系列部署应该还好吧,为何有此一狗头~~
但是如果遇到复杂背景的图像识别任务,卷积效果不太好,只能通过一些数据增广来提高鲁棒,但这都不是根本性的
其实还有一点,很多新的模型无法部署到一些设备上。。。
大佬怎么说?
看了胶囊网络。。。没看懂
感觉卷积当中引入attention效果会不会好点?(对于复杂场景分类)
大佬大佬
ppyolo效果过于好了……哈哈
注意力机制在图像上用了好几年了,最早的应该是SENET吧
是不是目前最强的
会过拟合……
是因为模型的规模限制了部署硬件的选择,这个意思吧?