浅层网络相关论文
由于稠密网络（DenseNet）模型具有独特的特征提取和传输方式，使其面对小数据集时在缓解网络过拟合的同时，可以取得不错的分类效果。但是......
如今,图像与人们的生活息息相关。图像已经成为人们记录信息的主要工具之一。高质量的图像能够记载丰富的信息,而图像的分辨率则直......
在使用深度卷积网络提取目标图像特征时,卷积网络深度和宽度决定网络性能,与浅层网络相比,深层网络特征提取效果更佳。但由于网络......
边缘计算是将计算、存储、通信等任务分配到网络边缘的计算模式.它强调在用户终端附近执行数据处理过程,以达到降低延迟,减少能耗,......
目前,图像已成为表达和存储信息的惯用形式。如何用计算机对海量图像进行高效分类,从而提取和组织需要的数据信息,已变成机器学习......
由于图像数据的冗余性较高,传统的图像分类方法的分类准确率较低,深度学习方法较传统方法提高了图像分类的准确率,但其训练较为复......
