« VGG-16 » : différence entre les versions
(Page créée avec « ==en construction== == Définition == XXXXXXXXX == Français == ''' VGG-16''' == Anglais == ''' VGG-16''' A popular network architecture for CNNs. It simplifies the... ») |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
Architecture de réseau neuronal à convolution considérée comme l'une des meilleures architectures de modèles de vision à ce jour. La chose la plus unique à propos de VGG16 est qu'au lieu d'avoir un grand nombre d'hyper-paramètres, ils se sont concentrés sur le fait d'avoir des couches de convolution de filtre 3x3 avec un stride 1 et ont toujours utilisé le même padding et la couche maxpool de filtre 2x2 de stride 2. Cette disposition des couches de convolution et de maxpool est suivie de manière cohérente dans toute l'architecture. A la fin, il a 2 FC (fully connected layers) suivis d'un softmax pour la sortie. Le 16 dans VGG16 fait référence au fait qu'il a 16 couches qui ont des poids. Ce réseau est assez vaste et compte environ 138 millions de paramètres. | |||
== Français == | == Français == | ||
| Ligne 9 : | Ligne 7 : | ||
== Anglais == | == Anglais == | ||
''' VGG-16''' | ''' VGG-16''' | ||
<small> | <small> | ||
| Ligne 17 : | Ligne 13 : | ||
[[Catégorie: | [[Catégorie:publication]] | ||
Version du 22 juin 2022 à 10:28
Définition
Architecture de réseau neuronal à convolution considérée comme l'une des meilleures architectures de modèles de vision à ce jour. La chose la plus unique à propos de VGG16 est qu'au lieu d'avoir un grand nombre d'hyper-paramètres, ils se sont concentrés sur le fait d'avoir des couches de convolution de filtre 3x3 avec un stride 1 et ont toujours utilisé le même padding et la couche maxpool de filtre 2x2 de stride 2. Cette disposition des couches de convolution et de maxpool est suivie de manière cohérente dans toute l'architecture. A la fin, il a 2 FC (fully connected layers) suivis d'un softmax pour la sortie. Le 16 dans VGG16 fait référence au fait qu'il a 16 couches qui ont des poids. Ce réseau est assez vaste et compte environ 138 millions de paramètres.
Français
VGG-16
Anglais
VGG-16
Contributeurs: Imane Meziani, wiki
