四.试验结果：
如果网络已经到达最优化 ， 继续加深网络 ， 将被push为0 ， 只剩下 ， 这样理论上网络一直处于最优状态 ， 网络的性能也就不会随着深度增加而降低了 。
五.基于的 R-CNN
论文中把当作 R-CNN的 ， 取得了很好的效果 ， 如下图所示：
那么其复合的网络结构是什么样子的呢？
上图展示了具体的架构 ， 可以知道的最后的输出为RPN和RoI 共享的部分 ， 而（共9层网络）都作用于RoI 之后的特征图 （ 14 × 14 × 1024 ） （14\times 14\times 1024） （14×14×1024） ， 特征图的大小维度也刚好符合原本的中的输入 。最后大家一定要记得接一个 ， 得到 1 × 1 × 2048 1\times 1\times 2048 1×1×2048维特征 ， 分别用于分类和框回归 。
六.论文地址：
【深度学习_经典网络_ResNet详解及常见问题总结】论文地址
- CI1122离线语音模块固件升级步骤
- 5 c语言调用Linux的sleepy函数,Linux设备驱动程序学习
- 记得收藏噢~ 值得收藏的学习网站
- 机器学习之数据分布的含义理解
- 三 深度学习笔记:神经网络之九种激活函数Sigmoid、tanh、ReLU、R
- java/php/net/python软考软件设计师考试题库学习设计
- 五 花书读书笔记-深度前馈网络
- 《Qt5学习笔记1》安装Qt5并配置环境变量
- 干货：10个超经典JavaIDE插件，建议收藏！
- 十四 花书读书笔记-表示学习