综述：从LeNet 到 GoogLeNet:卷积神经网络的进化

已于 2024-01-04 21:28:27 修改
阅读量3.8w 收藏 79
点赞数 26
分类专栏： 计算机视觉 文章标签： cnn 人工智能 神经网络
于 2019-12-06 20:12:03 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/MrCharles/article/details/103394882
版权
本文详细介绍了卷积神经网络（CNN）的发展历程，从1998年的LeNet开始，经过AlexNet、VGGNet，到GoogLeNet/InceptionNet和ResNet。这些模型逐步深化，解决梯度消失问题，提高图像识别性能。LeNet使用卷积和下采样结合，AlexNet首次引入ReLU激活层，VGGNet通过加深网络结构提高性能，GoogLeNet的Inception模块引入多尺度特征学习，而ResNet通过残差连接解决了极深网络的训练难题。
摘要由CSDN通过智能技术生成

综述：从LeNet 到 GoogLeNet:卷积神经网络的进化

前言

深度学习的兴起使卷积神经网络在计算机视觉方面大放异彩，本文将按时间和创新点顺序介绍一系列网络结构（LeNet,AlexNet,VGGNet,InceptionNet,ResNet）。网络上大部分文章都只是草草讲述，本文小波仔仔细梳理，从问题的背景，网络结构，为什么设计这样的结构，参数数量各方面详细讲述CNN的进化之路。

LeNet

在这里插入图片描述

LeNet 是整个卷积神经网络的开山之作，是卷积神经网络的现代雏形，1998年由LeCun提出。最初设计的目的是识别手写字母，被广泛应用在美国支票手写识别系统当中。

LeNet一共有7层（不包括输入层）
输入层：
输入图像的大小为3232，这要比mnist数据库中的最大字母（2828）还大。
作用： 图像较大，这样做的目的是希望潜在的明显特征，比如笔画断续，角点等能够出现在最高层特征监测子感受野的中心。
其他层：
C1，C3，C5

了解本专栏 订阅专栏 解锁全文 超级会员免费看
MrCharles
关注
  • 26
    点赞
  • 踩
  • 79
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 8
    评论
专栏目录
订阅专栏
卷积神经网络结构演化2018版
02-21
中科视拓刘昕博士，卷积神经网络的结构演化总结，非常全面，总结深刻，给大家分享一下啦
深度学习及卷积神经网络综述
03-28
关于卷积神经网络的结构，本文提到了若干个里程碑式的结构，包括LeNet、AlexNet、ZFNet、VGGNet、NIN、GoogLeNet、ResNet和SENet等。这些结构在设计上各有特点，例如，LeNet是最早的卷积神经网络之一，而AlexNet在...
GoogLeNet-Good LeNet 致敬LeNET
SperNijia的博客
05-31 372
GoogLeNet-Good LeNet 致敬LeNET 直到论文看了一大半，才发现这个名字其实不是GoogleNet。。。 Inception architecture Main idea is based on finding out how an optimal local structure in a convolutional vision network can be approximated and covered by readily available dense components.
卷积神经网络进化
tyler_张的博客
03-19 250
总体 阿尔法：AlexNet 更深：VGG、ResNet 更宽：InceptionNet 更深+更宽：InceptionResNet（Inception+Res） 更轻量级：MobileNet等 1.AlexNet 1.首次使用ReLU 2.使用了2-GPU并行结构 3.使用了归一化层（注意不是batch normalization，后续弃用） 4.使用了数据增强技术 5.两个全连接层使用了dro...
深度学习应用篇-计算机视觉-图像分类[2]：LeNet、AlexNet、VGG、GoogleNet、DarkNet模型结构、实现、模型特点详细介绍
丨汀、的博客
06-07 2470
LeNet是最早的卷积神经网络之一[1]，其被提出用于识别手写数字和机器印刷字符。1998年，Yann LeCun第一次将LeNet卷积神经网络应用到图像分类上，在手写数字识别任务中取得了巨大成功。算法中阐述了图像中像素特征之间的相关性能够由参数共享的卷积操作所提取，同时使用卷积、下采样（池化）和非线性映射这样的组合结构，是当前流行的大多数深度图像识别网络的基础。
LeNet详解
Abraham Ben
11-19 3941
鉴于网上很多的LeNet讲解，但是有没有指明这时LeNet的简化版，本文特对Yann Lecun的原文进行一点讲解，原文地址:[Gradient-Based Learning Applied to Document Recognition](“http://yann.lecun.com/exdb/publis/pdf/lecun-98.pdf“)1. LeNet的网络结构 以下用Cx代表convo
综述卷积神经网络：从基础技术到.pdf
12-16
总的来说，本报告将系统地探讨多层卷积网络的各个方面，从经典的LeNet到现代的AlexNet、VGG、GoogLeNet和ResNet等，分析它们的架构设计决策，以及如何通过理论和实验来深化我们对CNN的理解。最后，报告将指出当前...
综述卷积神经网络：从基础技术到.docx
12-16
卷积神经网络（Convolutional Neural Networks，简称CNNs）是计算机视觉领域中核心的深度学习模型，近年来在图像分类和回归任务上取得了显著的成就。然而，尽管CNN的应用广泛，对其工作原理的深入理解相对滞后。这篇...
深度卷积神经网络最新进展综述
01-04
深度卷积神经网络（Deep Convolutional Neural Networks, CNN）是机器学习，特别是深度学习领域中的核心组件，尤其在图像处理任务中表现出色。自1989年LeCun等人引入以来，CNN已经成为图像识别、分割、检测和检索等...
综述卷积神经网络：从基础技术到研究前景.rar_卷积_卷积神经_卷积神经网络_卷积网络_神经网络
07-14
卷积神经网络：从基础技术到研究前景，对于初学者很实用
CNN模型简单介绍(LeNet,AlexNet,VGG,GoogLeNet,ResNet,GAN,R-CNN)
01-16
CNN模型简单介绍,按照提出时间依次介绍LeNet,AlexNet,VGG,GoogLeNet,ResNet,GAN,R-CNN。十几页的ppt，主要介绍各个模型的核心思想、贡献，希望能为大家提供一条清晰的CNN发展脉络。具体的算法实现等需要阅读文章代码。相关文章会作为另一个资源提供免费打包下载。
[深度学习笔记(2)]LeNet、AlexNet、GoogleNet模型详解
qq_45634318的博客
06-29 1254
深度学习笔记系列（二），五分钟带你快速了解LeNet、AlexNet、GoogleNet。
卷积神经网络的发展历程：从Zero到Hero
最新发布
禅与计算机程序设计艺术
01-07 1451
1.背景介绍 卷积神经网络(Convolutional Neural Networks，简称CNN)是一种深度学习模型，主要应用于图像和视频处理领域。它的核心思想是通过卷积层和池化层等组件，自动学习图像的特征，从而实现图像分类、目标检测、图像生成等复杂任务。 CNN的发展历程可以分为以下几个阶段： 传统图像处理方法 卷积神经网络的诞生 CNN的发展与创新 现代CNN的应用和挑战 本文将...
从LeNet-5到GoogLeNet，聊聊深度学习的前世今生！
不积跬步，无以至千里！
10-24 9895
从入门到放弃，从小白到大佬，CVer都是这么过来的！
LeNet 详解
Lucas_slb的博客
11-13 347
LeNet 详解 https://blog.csdn.net/qq_42570457/article/details/81460807 https://cuijiahua.com/blog/2018/01/dl_3.html https://blog.csdn.net/happyorg/article/details/78274066
卷积神经网络5——GoogLeNet（含并行连结的网络)
weixin_52963585的博客
05-21 1099
GoogLeNet网络特点 引入了 Inception 结构（融合不同尺度的特征信息） 使用 1X1 的卷积核进行降维以及映射处理 丢弃全连接层，而使用平均池化层（这大大的减少了模型参数）
经典网络架构学习-LeNet
一璐有你的专栏
07-14 1655
前言 说起深度学习目标检测算法，就不得不提 LeNet- 5 网络。LeNet-5由LeCun等人提出于1998年提出，是一种用于手写体字符识别的非常高效的卷积神经网络。出自论文《Gradient-Based Learning Applied to Document Recognition》 网络结构 输入 → 卷积 → 池化 → 卷积 → 池化 → 卷积（全连接） → 全连接 → 输出 整个 LeNet-5 网络总共包括7层（不含输入层），分别是：C1、S2、C3、S4、C5、F6、OUTPUT。注意：
卷积神经网络研究综述：发展历史、结构分析及应用
卷积神经网络的发展历史可以追溯到20世纪80年代，LeCun等人首先提出了LeNet模型， mark the beginning of convolutional neural networks。后来，Krizehvsky等人提出了AlexNet模型，获得了ImageNet Large Scale ...
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

MrCharles

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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