用于大规模图像识别的超深卷积网络
计算机视觉与模式识别
2015-04-13 v6
摘要
本研究探讨了卷积网络深度对其在大规模图像识别任务中准确性的影响。我们的主要贡献是全面评估了使用极小（3x3）卷积滤波器的递增深度网络，结果表明将深度推至 16-19 个权重层可显著优于 prior-art 配置。这些发现构成了我们参加 ImageNet Challenge 2014 的基础，我们的团队分别在定位和分类赛道中获得了第一名和第二名。我们还证明了我们的表示方法具有良好的泛化能力，在其他数据集上也能达到 state-of-the-art 结果。为了促进计算机视觉领域对深度视觉表示的进一步研究，我们已公开了两个表现最佳的 ConvNet 模型。
引用
@article{arxiv.1409.1556,
title = {Very Deep Convolutional Networks for Large-Scale Image Recognition},
author = {Karen Simonyan and Andrew Zisserman},
journal= {arXiv preprint arXiv:1409.1556},
year = {2015}
}