每天五分钟计算机视觉：VGG网络相对于AlexNet网络有哪些不同？

于 2023-12-05 23:26:38 发布
阅读量1.5k 收藏 9
点赞数 12
分类专栏： 计算机视觉 文章标签： 计算机视觉 人工智能 神经网络 深度学习 cnn 卷积神经网络
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/huanfeng_AI/article/details/134819747
版权
计算机视觉 专栏收录该内容
56 篇文章 12 订阅 ¥19.90 ¥99.00
订阅专栏
本文对比了VGG网络与AlexNet的主要差异，包括VGG更深的网络结构，使用3*3卷积核减少参数量，以及采用2*2不重叠池化。此外，VGG还利用了更多数据增强策略，如Scale Jittering，以提高模型性能。
摘要由CSDN通过智能技术生成

本文重点

在前面的课程中，我们已经学习了VGG网络模型，也学习了AlexNet网络模型，AlexNet模型先于VGG网络模型产生，所以VGG在一定程度上要优于AlexNet模型，二者来看一下，二者究竟有什么不同？

深度

AlexNet是一个8层的卷积神经网络，而VGG16是它的两倍，众所周知，神经网络的深度越大，往往学习能力越强，所以VGG的性能相对于AlexNet有了一个明显的提升。

卷积核

VGG相对于AlexNet模型，VGG只使用了3*3的卷积核，这带来了参数量的极大减少，我们来比较一下。

AlexNet的第一个卷积层输出维度96维，而卷积核大小为11*11，那么参数量为96*3*11

VGG的参数量为64*3*3*3

96*3*11/（64*3*3*3）=20

也就是说二者相差20倍，那么计算量就相差了20倍，这就是的VGG虽然深度比AlexNet大，但是参数量却

了解本专栏 订阅专栏 解锁全文
幻风_huanfeng
关注
专栏目录
订阅专栏
西安电子科技大学-研究生课程-计算机视觉-期末大作业反向传播-卷积网络
11-11
在训练神经网络时，反向传播通过计算损失函数相对于每个参数的梯度，利用梯度下降法更新网络的权重，以最小化预测结果与实际值之间的差距。在卷积神经网络（Convolutional Neural Networks, CNNs）中，反向传播尤其...
26- AlexNet和VGG模型分析 (TensorFlow系列) (深度学习)
March_A的博客
03-03 775
VGG在2014年由牛津大学著名研究组VGGGroup提出，斩获该年ImageNet竞 中LocalizationTask定位 任务第一名和ClassificationTask分类任务第二名。网络中的亮点通过堆叠多个3x3的卷积核来替代大尺度卷积核（减少所需参数）论文中提到，可以通过堆叠两个3x3的卷积核替代5x5的卷积核堆叠三个3x3的卷积核替代7x7的卷积核。
基本卷积神经网络（CNN） —— AlexNet，VGG-Net，Inception系列，ResNet，DenseNet等
aift的专栏
06-05 5187
文章目录概要介绍基本卷积神经网络（CNN）AlexNetZF-NetVGG-NetInception系列Inception-V1：GoogLeNetInception-V2：An Improved Version of Inception-V1Inception-V3：Factorizing NxN into 1xN and Nx1Inception-V4：Inception with skip...
经典深度神经网络AlexNet、VGGNet
Tangguoseo的博客
06-15 1435
逐层分析经典深度神经网络Alex、VGG的结构
AlexNet和VGG的总结
hoston2008的博客
10-29 5047
Alexnet 和 VGG 解读 Alexnet 结构 Alexnet 的网络结构，共含五层卷基层和三层全连接层。Alex-Net的上下两支是为方便同时使用两个GPU并行训练，不过在第三层卷积和全连接层处上下两支信息可交互。由于两支网络完全一致，在此仅对其中一只进行分析。AlexNet将CNN用到了更深更宽的网络中,其效果分类的精度更高相比于以前的LeNet,其中有一些trick是必须要知道的....
图像分类CNN经典网络（一）AlexNet与VGG
CloudCver
04-25 1819
啊实打实 AlexNet AlexNet是打开卷积神经网络大门的第一个作品，它重新将卷积神经网络带入计算机视觉的科研中。他给出了卷积神经网络在目标检测中的基本思想。 ReLU、双GPU运算：提高训练速度。（应用于所有卷积层和全连接层） 重叠pool池化层：提高精度，不容易产生过度拟合。（应用在第一层，第二层，第五层后面） 局部响应归一化层(LRN)：提高精度。（应用在第一层和第二层后面） Drop...
基于resnet网络的花卉识别 jittor深度学习框架
05-10
模型设计通常包括网络结构设计和损失函数设计，网络结构指的就是通常所说的神经网络算法中的网络框架，如全连接神经网络、卷积神经网络以及循环神经网络等，不同的网络结构通常有各自最优的处理场景，所以在处理具体...
深度学习及卷积神经网络综述
03-28
深度学习是一种机器学习的方法，它相对于浅层学习而言，强调模型结构的深度，即多层非线性特征转换层，以突出特征学习的重要性。深度学习能够通过逐层特征变换，将样本在原空间的特征表示变换到一个新的特征空间。...
ML_paper_notes：一些机器学习计算机视觉NLP论文的注释和摘要
02-03
1. **深度学习在计算机视觉中的应用**：例如，AlexNet、VGG、ResNet等经典CNN架构的创新点，以及如何解决过拟合、提高模型泛化能力的方法。 2. **计算机视觉与自然语言的融合**：如Image Caption生成，即用一句话...
卷积神经网络深度学习实践手册解析.zip
03-27
反向传播用于计算损失函数相对于权重的梯度，优化器如SGD、Adam等则根据这些梯度更新权重，以最小化损失函数。正则化技术如L1、L2范数约束和dropout也是防止过拟合的重要手段。 CNN的结构设计也是其性能的关键因素...
【深度学习】经典的卷积神经网络模型介绍（LeNet、AlexNet、VGGNet、GoogLeNet、ResNet和MobileNet）
热门推荐
点赞的都能无bug通过！
03-17 4万+
经典的卷积神经网络模型介绍卷积神经网络简介一、LeNet1、INPUT层-输入层2、C1层-卷积层3、S2层-池化层（下采样层）4、C3层-卷积层5、S4层-池化层（下采样层）6、C5层-卷积层7、F6层-全连接层二、AlexNet1、AlexNet特点2、ReLu作为激活函数3、数据增强4、层叠池化5、局部相应归一化6、Dropout7、Alex网络结构8、AlexNet参数数量三、VGG net1、VGG的特点2、VGG网络结构3、VGG优缺点四、GoogLeNet1、GoogLeNet Incepet
Tensorflow对比AlexNet的CPU和GPU运算效率
hiudawn
04-07 4551
表示我根本没有GPU
【深度学习】LeNet-5、AlexNet、VGG16、GoogLeNet、ResNet
u011754972的博客
08-25 2690
有多少层并不把池化层算在内。 ##LeNet-5：结构 C-P-C-P-FC-FC，即 卷积1 - 池化 - 卷积2 - 池化 - 全连接1 - 全连接2 - softmax输出层 ##AlexNet：结构5个卷积层，3个全连接层，共八层，6千万参数（即60M个参数） ...
经典的卷积神经网络（AlexNet、VGGNet、GoogLeNet、ResNet）
weixin_38324954的博客
07-25 1018
经典的卷积神经网络 1.经典CNN——AlexNet 2012年ImageNet LSVRC（大规模视觉识别挑战赛）冠军。TOP-5错误率15,。3%，远低于第二名的错误率（26.2%）；TOP-1错误率37.5% 网络结构： AlexNet 该模型一共分为八层，5个卷积层,，以及3个全连接层,在每一个卷积层中包含了激励函数RELU以及局部响应归一化（LRN）处理，然后再经过降采样（pool处...
Alex-Net 与 VGG-16
最新发布
Turn life into a dream, and then turn dreams into reality
06-20 427
3、利用小尺寸卷积核等效大尺寸卷积核，2个3X3卷积核的感受野与1个5X5卷积核相当，3个3X3卷积核与1个7X7卷积核相当，故在特征提取效果相当时，多个小卷核与大卷积核相比，学习参数更少计算量较小，训练更加快速，还能增加网络的深度，提升模型性能。如果要使用224x224的图作为训练的输入，用S表示图片最小边的值，当S=224时这个图就直接使用，直接将多余的部分减掉；2、池化层均采用相同的池化核参数，池化层采用尺寸为2X2，stride=2，max的池化方式，使得池化后的层尺寸长宽为未池化前的1/2；
经典卷积神经网络详解（AlexNet、VGG、NiN、GoogLeNet、ResNet、DenseNet、CSPNet、Darknet、EfficientNet、SqueezeNet..）
zyw2002的博客
03-04 1万+
经典卷积神经网络详解（AlexNet、VGG、NiN、GoogLeNet、ResNet、DenseNet、CSPNet、Darknet、EfficientNet、SqueezeNet,MobileNet,GhostNet等）
Alexnet网络与Vgg网络
weixin_44428467的博客
09-18 1250
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Ma...
【LeNet、AlexNet、VGG】
chenjunheaixuexi的博客
06-21 832
  LeNet是最早用于图像处理的神经网络，主要是为了解决手写数字识别的问题，著名的数据集Minist就是伴随着LeNet的诞生而出现的。下面是其基本架构： 代码实现
AlexNet与VGG
weixin_41940752的博客
10-30 723
AlexNet AlexNet是神经网络之父Hinton的学生Alex Krizhevsky开发完成，总共有8层，其中有5个卷积层，3个全链层，前5层其实不完全是卷积层，有些层还加入了池化层，并对数据进行标准化处理。Alex在他的论文中写到，他在处理图片的时候使用了两个GPU进行计算，在卷积过程中他做了分组的处理。 第一层 第一层包含了卷积层、标准化层和池化层。在Tensorflow中，搭建...
评论
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

幻风_huanfeng

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