卷积神经网络CNN-高级

本文深入探讨了卷积神经网络CNN的高级概念,包括AlexNet的起源、VGG的结构及其优势、GoogleNet的全卷积结构FCN、ResNet的残差学习、DeepFace的人脸识别技术和U-Net的图像生成。每个网络的特点和在图像处理中的作用被详细阐述。
摘要由CSDN通过智能技术生成

卷积神经网络CNN-高级

AlexNet:现代神经网络起源

结构源自ImageNet比赛。

1. AlexNet结构

AlexNet

在卷积的时候,我们会依据这个公式来提取特征图: 【img_size - filter_size】/stride +1 = new_feture_size

  • INPUT: 224×224×3 (RGB图像),实际上会经过预处理变为 227×227×3 的大小;
  • CONV1:使用的96个大小规格为 11×11 的卷积核,stride为4,pad为0,进行特征提取,(ps:图上之所以看起来是48个是由于采用了2个GPU服务器处理,每一个服务器上承担了48个),得到两个 55×55×96 大小的特征图,([227-11] / 4 + 1 )= 55;
  • MAX POOL1:使用 3×3 大小的filters,stride为2,进行最大池化,得到 27×27×96 池化后的特征图;
  • NORM1:归一化层;
  • CONV2:使用的256个大小规格为 5×5 的卷积核,stride为1,pad为2,进行特征提取,得到两个
  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值