目录
一. ResNet网络模型
ResNet的提出
ResNet残差网络主要是通过残差块组成的,在提出残差网络之前,网络结构无法很深,在VGG中,卷积网络达到了19层,在GoogLeNet中,网络达到了22层。随着网络层数的增加,网络发生了退化(degradation)的现象:随着网络层数的增多,训练集loss逐渐下降,然后趋于饱和,当你再增加网络深度的话,训练集loss反而会增大。而引入残差块后,网络可以达到很深,网络的效果也随之变好
残差网络原理
与普通网络的串行结构相比,残差单元增加了跳跃映射,将输入与输出直接进行相加,补充卷积过程中损失的特征信息,这点与U-net的跳跃连接结构有点类似,不过Res中的跳跃连接做的是Add操作,而U-net的跳跃连接做的是Concatenate操作,还是有本质的不同。
Fig1. 故此网络块的输出为:
因为相加必须保证与是同维度的,因此可以写成通式如下式,用于匹配维度。
有两种维度匹配的方式(A)用zero-padding增加维度 (B)用1x1卷积增加维度
ResNet 网络模型
resnet18、resnet34、resnet50、resnet101、resnet152结构
Fig2.降采样由conv3 1、conv4 1和conv5 1以2的步幅执行