一般情况下改进的卷积神经网络改进什么

改进的卷积神经网络主要针对以下几个方面进行改进：

1. 模型精度：通过改进网络结构、优化算法、增加训练数据等方式，提高卷积神经网络的精度。

2. 训练速度：通过改进优化算法、使用分布式训练等方式，提高卷积神经网络的训练速度。

3. 模型大小：通过改进网络结构、压缩参数等方式，减小卷积神经网络的模型大小，提高模型的效率。

4. 泛化能力：通过增加正则化项、使用数据增强技术等方式，提高卷积神经网络的泛化能力，使得模型可以更好地适应新数据。

5. 对抗鲁棒性：通过增加对抗训练技术、使用对抗生成网络等方式，提高卷积神经网络的对抗鲁棒性，使得模型可以更好地抵御对抗攻击。