CNN特性: 图片的颜色和形态无论如何变化,只要是同样的物品在里面,它同样能够准确的识别物体的类别。
故利用此特性,常用改变颜色和截取原图不同区域来增加数据量。
1. LeNet-5
2. AlexNet
3. VGG
4. Residual network
普通深度神经网络(plain network)如果深度太深,根据梯度下降算法,离输出层越远的隐含层的乘积项会越多(通常会越乘越小),导致这些层的神经元训练会越缓慢(如果计算机精度不够的话,可能还会变0),导致难以或无法训练 残差网络,则是在普通神经网络基础上,把两层或多层的神经元组成一个residual block,将输入block和从最后一层的输出相加再通过输出函数送进下一个block。这样的好处是,在梯度下降的计算上,偏导数变成了1+原来的乘积项,就不会因为越乘越小,而导致远离最终输出的那层隐含层调参缓慢或甚至无法调参。
5. network in network and 1x1 convolution
6. Inception network
Inception module