经典的卷积神经网络

目录

LeNet-5

AlexNet

VGG

GoogLeNet

Stack more layers

ResNet

Basic Block

Res Block

 DenseNet

---

---

LeNet-5

 

 28*28

Subsampling 并不是maxpooling 隔行采样或隔点采样--》没有参数

AlexNet

 很多的创新

Max pooling 引入  ReLu之前是sigmod或---

Dropout操作

VGG

发明六种版本的

VGG11,16,19

 之前使用11*11的核，感受域大，接近于全连接

现在研究发现3*3  1*1减少了计算量，效果还好

1*1的卷积核

less computation

GoogLeNet

探索新的东西

小的卷积核，不同的核

点，小窗口，中窗口，大窗口

不对类型的核再处理

22层

 

Stack more layers

 从4-20堆叠的层数越多效果就好

20以上可以层数多了效果并没有多好，解决这个问题可通过BatchNormaliztion

【卷积到底卷了啥？】草履虫都能看懂的卷积神经网络理论与项目实战，看不懂你来打我！（卷积神经网络丨CNN丨神经网络丨人工智能丨AI）_哔哩哔哩_bilibili

ResNet

 

Conv---BN--Pool---ReLu

 

 

 

 VGG的参数量很大，有更好的成果

Resnet Inception

Basic Block

Res Block

 

 DenseNet