CNN结构设计技巧-兼顾速度精度与工程实现

点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨akkaze-郑安坤来源丨https://zhuanlan.zhihu.com/p/100609339编辑丨极市平台导读 本文总结了CNN在分割、检测、low-level、metric learning等领域的应用方法和设计技巧。目录：总纲分割篇low-level篇检测篇metric learning篇分类篇landmark篇视频理解篇双目篇3D篇数据增强篇总纲cnn中各个参数的辩证矛盾。深度决定了网络的表达能力，网络越深学习能力越强。宽度（通道数）决定了网络在某一层学到的信息量，另外因为卷积层能重组通道间的信息，这一操作能让有效信息量增大（这也是1x1卷积的作用，它能学习出重组信息，使得对于任务更友好，所以这里不能和分离卷积一起比较，传统卷积的有效卷积数更多，正比于输入通道乘以 ………………………………