9/7(CVPR18)Towards Faster Training of Global Covariance Pooling Networks by Iterative Matrix Square

不断学习得到一个表达能力强的feature,表示图像时候做了个全局pooling,相当于取了一个均值,从统计的意义上说均值只是一阶的信息。 深度分类网络主要分为两个部分:特征提取和分类器。无论是VGG还是GoogleNet,后来的Resnet、Densenet,仔细观察可以发现,无论设计了多么性能优异的网络,在连接分类器之前,一般都连接了一个Pooling层,如下表所示: 无论是Average P
相关文章
相关标签/搜索