常用神经网络_1_ AlexNet —＞ VGG

最新推荐文章于 2023-03-06 16:31:28 发布

ClFH

最新推荐文章于 2023-03-06 16:31:28 发布

阅读量981

点赞数 1

分类专栏：常用神经网络总结文章标签：网络神经网络深度学习卷积

本文链接：https://blog.csdn.net/Xiaobai_rabbit0/article/details/107351836

版权

本文对比分析了AlexNet和VGG两种神经网络结构。AlexNet在2010年ImageNet比赛中取得优异成绩，拥有5个卷积层和3个全连接层。VGG则通过连续的小卷积核替代大卷积核，增加了网络深度，减少了参数量，证明了网络深度对性能的影响，并在ILSVRC 2014上表现出色。VGG16和VGG19的主要区别在于网络深度，但都使用3x3卷积和2x2最大池化，简化了网络结构。尽管VGG提高了性能，但其计算资源消耗大，参数数量多。

摘要由CSDN通过智能技术生成

1、AlexNet

在2010年的ImageNet LSVRC-2010上，AlexNet在给包含有1000种类别的共120万张高分辨率图片的分类任务中，在测试集上的top-1和top-5错误率为37.5%和17.0%（top-5 错误率：即对一张图像预测5个类别，只要有一个和人工标注类别相同就算对，否则算错。同理top-1对一张图像只预测1个类别），在ImageNet LSVRC-2012的比赛中，取得了top-5错误率为15.3%的成绩。AlexNet有6亿个参数和650,000个神经元，包含5个卷积层，有些层后面跟了max-pooling层，3个全连接层，为了减少过拟合，在全连接层使用了dropout。

1.1、网络结构图

在这里插入图片描述

2、VGG

VGG是Oxford的Visual Geometry Group的组提出的（大家应该能看出VGG名字的由来了）。该网络是在ILSVRC 2014上的相关工作，主要工作是证明了增加网络的深度能够在一定程度上影响网络最终的性能。VGG有两种结构，分别是VGG16和VGG19，两者并没有本质上的区别，只是网络深度不一样。