Abstract

Convolutional Neural Networks (CNNs) attracted growing interest in recent years thanks to their high generalization capabilities that are highly recommended especially for applications working in the wild context. However CNNs rely on a huge number of parameters that must be set during training sessions based on very large datasets in order to avoid over-fitting issues. As a consequence the lack in training data is one of the greatest limits for the applicability of deep networks. Another problem is represented by the fixed scale of the filter in the first convolutional layer that limits the analysis performed through the subsequent layers of the network.

Autore Pugliese

• Leo Marco , Mazzeo Pier Luigi

Tutti gli autori

• Del Coco M.; Carcagnì P.; Leo M.; Spagnolo P.; Mazzeo P.L.; Distante C.

Titolo volume/Rivista

Lecture notes in computer science

Anno di pubblicazione

2017

ISSN

0302-9743

ISBN

Non Disponibile

Numero di citazioni Wos

Nessuna citazione

Ultimo Aggiornamento Citazioni

Non Disponibile

Numero di citazioni Scopus

Non Disponibile

Ultimo Aggiornamento Citazioni

Non Disponibile

Settori ERC

Non Disponibile

Codici ASJC

Non Disponibile