每天五分钟计算机视觉：AlexNet网络的结构特点

本文重点

在前面的一篇文章中，我们对AlexNet网络模型的参数进行了详细的介绍，本文对其网络模型的特点进行总结。

特点

1、AlexNet的网络结构比LeNet5更深，模型包括5个卷积层和3个全连接层。参数总量大概为249MB。

2、Alex使用了ReLu激活函数，使得模型收敛得更快，解决了sigmoid激活函数所存在的梯度弥散的问题。

3、Alex使用了dropout层，这可以有效地防止过拟合的问题。

4、AlexNet使用了LRN归一化层，通过对局部神经元的活动创建竞争机制，抑制反馈较小的神经元，放大反馈大的神经元，从而提高模型的泛化能力。

5、使用了分块训练的方式，这主要是之前的显卡的显存太小的原因。

6、使用了数据增强的方式。通过裁剪、翻转等操作让数据增强，增强了模型的泛化能力。预测时使用提取图片4个角加中间5个位置并进行左右翻转一共十张图片的方法来取平均值。