基本网络结构简介

1.AlexNet

博客直通车
详解深度学习之经典网络架构（二）：AlexNet

AlexNet是双cpu的流程。有5个卷积层，三个池化和三个全连接层。 11×11->3*3，5×5->3×3，3×3，3×3，3×3->3×3

显示 的卷积季后的特征图，池化的特征图没有画出来。
2.vgg

论文中的结构简介
由上图所知，VGG一共有五段卷积，每段卷积之后紧接着最大池化层，作者一共实验了6种网络结构。分别是VGG-11，VGG-13,VGG-16,VGG-19，网络的输入是224*224大小的图像，输出是图像分类结果（本文只针对网络在图像分类任务上，图像定位任务上暂不做分析）。
vgg-16结构

下面算一下每一层的像素值计算：
输入：224×224×3

1. conv3 - 64（卷积核的数量）：kernel size:3 stride:1 pad:1
   像素：（224-3+21）/1+1=224 22422464
   参数： （33*3）*64 =1728
2. conv3 - 64：kernel size:3 stride:1 pad:1
   像素： （224-3+12）/1+1=224 22422464
   参数： （33*64）*64 =36864
3. pool2 kernel size:2 stride:2 pad:0
   像素： （224-2）/2+1 = 112 11211264
   参数： 0
   4.conv3-128:kernel size:3 stride:1 pad:1
   像素： （112-3+21）/1+1 = 112 112112128
   参数： （3364）128 =73728
   5.conv3-128:kernel size:3 stride:1 pad:1
   像素： （112-3+21）/1+1 = 112 112112128
   参数： （33128）128 =147456
   6.pool2: kernel size:2 stride:2 pad:0
   像素： （112-2）/2+1=56 5656128
   参数：0
   7.conv3-256: kernel size:3 stride:1 pad:1
   像素： （56-3+21）/1+1=56 5656256
   参数：（33128）256=294912
   8.conv3-256: kernel size:3 stride:1 pad:1
   像素： （56-3+21）/1+1=56 5656256
   参数：（33256）256=589824
   9.conv3-256: kernel size:3 stride:1 pad:1
   像素： （56-3+21）/1+1=56 5656256
   参数：（33256）256=589824
   10.pool2: kernel size:2 stride:2 pad:0
   像素：（56 - 2）/2+1=28 2828256
   参数：0
4. conv3-512:kernel size:3 stride:1 pad:1
   像素：（28-3+21）/1+1=28 2828512
   参数：（33*256）*512 = 1179648
5. conv3-512:kernel size:3 stride:1 pad:1
   像素：（28-3+21）/1+1=28 2828512
   参数：（33*512）*512 = 2359296
6. conv3-512:kernel size:3 stride:1 pad:1
   像素：（28-3+21）/1+1=28 2828512
   参数：（33512）512 = 2359296
   14.pool2: kernel size:2 stride:2 pad:0
   像素：（28-2）/2+1=14 1414512
   参数： 0
7. conv3-512:kernel size:3 stride:1 pad:1
   像素：（14-3+21）/1+1=14 1414512
   参数：（33*512）*512 = 2359296
8. conv3-512:kernel size:3 stride:1 pad:1
   像素：（14-3+21）/1+1=14 1414512
   参数：（33*512）*512 = 2359296
9. conv3-512:kernel size:3 stride:1 pad:1
   像素：（14-3+21）/1+1=14 1414512
   参数：（33512）512 = 2359296
   18.pool2:kernel size:2 stride:2 pad:0
   像素：（14-2）/2+1=7 77512
   参数：0
   19.FC: 4096 neurons
   像素：114096
   参数：775124096 = 102760448
   20.FC: 4096 neurons
   像素：114096
   参数：40964096 = 16777216
   21.FC：1000 neurons
   像素：111000
   参数：4096*1000=4096000
   总共参数数量大约138M左右。

3.inception
博客直通车：

一文概览Inception家族的「奋斗史」

4.ResNet 惨差网络

深度卷积神经网络CNN中shortcut的使用
大话深度残差网络（DRN）ResNet网络原理

5.FPN网络

多尺度的object detection算法：FPN(feature pyramid networks)

6.感受野

卷积神经网络中感受野的详细介绍