二.阅读时间
2015年6月30日
三.文献的目的
作者希望在保持计算复杂度的前提下，通过修改模型深度和卷积模板的参数来提高CNN的准确率。作者通过大量的实验来找到网络结构中不同的参数的重要性，并在ImageNet2012数据集上面取得有竞争力的效果。
四.文献的贡献点
作者的贡献主要在于通过各种对比实验来说明不同的参数对于准确率的影响。理论方面的贡献点比较少。作者通过实验，得到下面两个关于深度的现象：1.深度是影响准确率的第一要素；2.尽管深度是十分重要的，但是如果深度过深的话，准确率也会出现下降的情况。
五.使用的数据库
ImageNet2012数据集
六.实验结果
主要部分还是各种修改后的模型的对比，与主流算法的对比主要集中在准确率不低的同时，计算复杂度也比较低。
版权所有，欢迎转载，转载请注明出处，谢谢
