一、基本卷积神经网络
1.AlexNet
网络提出
网络结构
网络说明
(1)网络一共有8层可学习层——5层卷积层和3层全连接层
(2)改进
-池化层均采用最大池化
-选用ReLU作为非线性环节激活函数
-网络规模扩大,参数数量接近6000万
-出现“多个卷积层+一个池化层”的结构
(3)普遍规律
-随网络深入,宽、高衰减,通道数增加
改进策略
(1)输入样本:
从原始图像(256,256)中,随机的crop出
一些图像(224,224)【平移变换,crop 】;水平翻转图像【反射变换,flip】;给图像增加一些随机的光照【光照、彩色变换,color jittering】。
(2)激活函数:
采用ReLU替代 Tan Sigmoid;
用于卷积层与全连接层之后。
(3)
Dropout:
在每个全连接层后面使用一个 Dropout 层,以概率
p
随机关闭激活函数。
(4)
双GPU策略
:
AlexNet使用两块GTX580显卡进行训练,两块显卡只需要在特定的层进行通信.
2.VGG-16
网络提出
网络结构
网络说明
(1)改进
-网络规模进一步增大,参数数量约为1.38亿
-由于各卷积层、池化层的超参数基本相同,整体结构呈现出规整的特点。
(2)普遍规律
-随网络深入,高和宽衰减,通道数增多。
3.残差网络
非残差网络的缺陷
梯度消失问题