论文部分内容阅读
近年来,随着数据量的扩大,计算机性能不断提升,用传统的图像分类方法无法获得大数据下图像分类的高精度准确率,残差网络因其高度准确性和良好收敛性已成为图像分类领域的技术热点,值得深入研究。介绍了残差网络,并从提升分类准确率、减少模型参数量和降低模型计算量三个角度出发,详细讨论了各个变体的内在结构,分析了各个变体的优缺点,给出了各个变体适用场合的建议。从准确率、参数量和计算量三个方面对各个变体的性能进行了直观的对比。提出了残差网络现在面临的挑战和未来的发展方向。