【标题】Backbones-Review: Feature Extraction Networks for Deep Learning and Deep Reinforcement Learning Approaches

【作者团队】Omar Elharrouss, Younes Akbari, Noor Almaadeed, Somaya Al-Maadeed

【发表日期】2022.6.16

【论文链接】https://arxiv.org/pdf/2206.08016.pdf

【推荐理由】为了使用各种类型的数据理解现实世界，人工智能（AI）是当今最常用的技术。在分析数据中找到模式是主要任务，并且从大规模数据中选择有用的特征是至关重要的挑战。目前随着卷积神经网络（CNN）的发展，特征提取操作变得更加自动化和简单。CNN允许处理大规模数据，并覆盖特定任务的不同场景。在计算机视觉任务中，卷积网络也用于提取深度学习模型其他部分的特征。为特征提取或DL模型的其他部分选择合适的网络不是随机工作。因此，这种模型的实现可能与目标任务及其计算复杂性有关。许多网络已成为任何人工智能任务中用于任何DL模型的著名网络。这些网络可用于特征提取或在任何DL模型（称为主干）的开始处使用。主干网络是先前在许多其他任务中受过训练的已知网络，并证明其有效性。本文综述了现有主干网络，如VGG、RESNET、DenseNet等，并对其进行了详细描述及性能比较。

内容中包含的图片若涉及版权问题，请及时与我们联系删除