基本卷积神经网络的鸟类图片识别

最新推荐文章于 2024-08-24 14:31:45 发布

不胖妞妞

最新推荐文章于 2024-08-24 14:31:45 发布

阅读量371

点赞数 8

文章标签： cnn 神经网络深度学习 python 计算机视觉人工智能机器学习

本文链接：https://blog.csdn.net/bupangniu/article/details/135572412

版权

本文详细介绍了AlexNet模型的8层结构及其在卷积、激活、池化和Dropout等操作的应用，以及ResNet-50模型如何解决深度网络问题，通过BN层和残差实现更深网络。两部分都涉及模型构建、训练过程中的Loss监控。

摘要由CSDN通过智能技术生成

一、AlexNet模型实现

（1）AlexNet模型简要介绍

   该模型包含8层变换，有5层卷积和2层全连接隐藏层，以及1个全连接输出层。第 1 个卷积层使用 96 个大小为 11*11*3 的卷积核对输入图像进行卷积操作，再经过 ReLu 激活函数、局部响应归一化与最大值池化；第 2个卷积层操作同上一个卷积层，但使用 128 个大小为 5*5*48 的卷积核；后面 3 个卷积层使用大小均为 3*3 的卷积核，再通过ReLu 激活函数（相较于sigmoid激活函数，计算更简单，网络更容易训练）或最大值池化。两个全连接层进行全连接、ReLu 函数激活、Dropout（随机失活，控制全连接层的模型复杂度）等操作，最终输出4096个神经元通过 Softmax 得到预测概率值

在这里插入图片描述

（2）构建模型与训练

数据集

2.数据可视化

3.实验环境

（3）AlexNet训练进度与Loss

二、ResNet-50模型实现

（1）ResNet-50模型简要介绍

     传统的卷积神经网络随着层数深度的增加，会面临网络退化、梯度消失、梯度爆炸等问题，使得高层网络的性能反而不如浅层网络。ResNet网络引入BN层和残差，解决了网络退化问题，实现网络层数的加深，使之拥有足够好的特征提取能力。

在这里插入图片描述

	ResNet-50有两个基本的块，分别名为Conv_Block和Identity Block，其网络结构如图所示，左边是ResNet-50的整体网络结构，中间是Conv Block的网络结构，右边是Identity Block的网络结构，ResNet-50中包含多个Conv Block和Identity Block的不同组合。

（2）构建模型与训练