请问 overfeat 论文中，模型的参数个数怎么算的，
论文中的池化，用的 offset 方式，但是我不清楚是 3 个池化都用了这种方式，还是只有最后一个池化，用了这种方式。我都试着算了下，结果差了一两个数量级。希望有能力的能帮我算算。
论文中 mini-batch 是 128，但是算参数好像和这个没有关系吧，因为表格中的最后一行【input size】只给了图像尺寸，没给 mini-batch 参数。我没算过 128 批量的参数结果。
1条回答 默认 最新
- 2025-09-04 16:50AI妈妈手把手的博客 Overfeat是它证明了CNN可以同时做分类和定位（启发R-CNN）它的全卷积设计思想被后续所有检测模型借鉴它的多尺度特征处理方式至今仍在使用类比学习：就像学数学要先学加减法，再学乘除法——Overfeat就是图像识别领域...
- 2022-10-23 11:54尘光未歇的博客 本文围绕一代传奇模型overfeat展开论述，探究在2013年，overfeat是怎样横空出世、独占鳌头的，并介绍它的那跨时代的思想和惊为天人的设计。
- 2021-08-11 13:29阿基美德的博客 原论文：OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks ILSVR2013定位任务的冠军。用CNN集成了分类、定位、检测任务。 主要思想在于3、4、5章，分别叙述分类、定位、...
- 2020-11-24 15:21IT小湃的博客 multi-view voting用来提高测试性能：输入一张256x256的照片，图片的四个角和中间可以裁剪得到5张224x224的输入，将原图水平翻转再得5张，将这10张图片输入到模型中进行预测，然后取各预测值的均值 什么是 multi-...
- 2023-07-14 08:59youcans的博客 本文介绍目标检测之 OverFeat 模型，并给出 PyTorch 实现方法。 OverFeat 是一种基于卷积网络的图像特征提取器和分类器，是ILSVRC2013定位任务的第1名。
- 2023-04-17 10:07Snu77的博客 本文从多个方向全面系统地介绍了OverFeat这篇论文，包括论文的背景、创新点、实验结果等方面。通过对论文的分析，我们可以发现，OverFeat提出了一种新的物体检测思路，即将物体检测问题转化为对物体的全局特征的提取...
- 2024-03-14 11:42小小酥kkk的博客 负样本的处理： 在传统的训练方法中，负样本（即背景样本）最初是随机选取的...论文中的这些描述展示了一种系统性的方法，通过在网络的多个层次上处理图像，并在最终决策中整合这些层次的信息，来增强特征图的分辨率。
- 2020-03-15 21:26*青云*的博客 （一）模型设计 （二）offset max-pooling （三）训练细节 （四）多尺度测试 三、定位 （一）步骤 （二）累积预测 四、检测 OverFeat: Integrated Recognition, Localization and Detection using Convolutional ...
- 2025-06-15 00:58AI大模型应用工坊的博客 介绍目标检测的基本概念和技术发展深入分析主流算法的原理和架构详细讲解数学模型和优化方法通过实际案例展示完整实现过程探讨实际应用场景和性能优化技巧总结未来发展趋势和挑战目标检测(Object Detection)：在图像...
- 2025-04-27 20:30x-jeff的博客 开篇先强调了特征的重要性。在过去几十年里，各类视觉识别任务基本都是基于和。但是从其在PASCAL VOC目标检测任务中的表现就可以看出，在2010-2012年间，其发展很慢，没有显著的性能提升。
- 2024-05-04 10:52IMCV的博客 这个要求是“人为的”，可能会降低对任意大小/比例的图像或子图像的识别精度。本文在深度卷积神经网络中使用了新的池化策略，“空间金字塔池化”，以避免上述限制。新的网络结构称为SPP-net，无论输入图像大小/比例...
- 2023-11-14 10:10白鹿。的博客 1）与高效的检测网络相比，选择性搜索要慢一个数量级，在CPU实现中，每幅图像2秒。2）通过添加一些额外的卷积层来构建RPN，这些卷积层同时在一个规则网格上的每个位置回归区域边界（区域建议的边界框）和对象属性...
- 2019-09-24 18:27红色石头Will的博客 点击上方“AI有道”，选择“星标”公众号重磅干货，第一时间送达目标检测（Object Detection）是深度学习 CV 领域的一个核心研究领域和重要分支。纵观 201...
- 2020-03-11 15:14无名份的浪漫2018的博客 转自：红色石头AI有道 目标检测（Object Detection）是深度学习 CV 领域的一个核心研究领域和重要分支。纵观 2013 年到 2019 年，从最早的 R-CNN、Fast R-CNN 到后来的 YOLO v2、YOLO v3 再到今年的 M2Det，新模型...
- 2021-01-30 17:13ooMelloo的博客 其中目标检测是一件比较实际的且具有挑战性的计算机视觉任务，其可以看成图像分类与定位的结合，给定一张图片，目标检测系统要能够识别出图片的目标并给出其位置，由于图片中目标数是不定的，且要给出目标的精确位置...
- 2020-03-12 10:22喜欢打酱油的老鸟的博客 目标检测作为计算机视觉中的一个重要分支，近些年来随着神经网络理论研究的深入和硬件 GPU 算力的大幅度提升，一举成为全球人工智能研究的热点，落地项目也最先开始。 纵观 2013 年到 2020 年，从最早的 R-CNN、...
- 2024-06-03 20:13seasonsyy的博客 目标检测领域中的单阶段模型和两阶段模型的性能差异及其原因
- 2024-08-22 11:56热爱生活307的博客 作者使用使用ZF-5（单尺度训练）的SPP-Net模型从整个图像中提取特征图，在2000个候选区域中，使用4层空间金字塔（{1×1, 2×2, 3×3, 6×6}，共50个bins）进行特征池化，生成每个窗口的12,800维（256×50）表示，...
- x-jeff的博客 只有一个VGG网络结构中包含了LRN（LRN的参数设置和AlexNet原文中保持一致），剩余的VGG网络结构均未使用LRN。VGG的作者发现LRN非但不能改善模型在ILSVRC数据集上的表现，并且还会造成内存占用以及计算时间的增加。 ...
- 2024-07-27 16:07Xiao_Ya__的博客 Object Detection in 20 Years: A Survey 论文阅读
- 没有解决我的问题, 去提问
问题事件
已结题
（查看结题原因） 9月2日-
创建了问题
3月31日