模型汇总（不定期更新）

记录自己了解过的模型。

1.卷积神经网络

• LeNet5

• AlexNet 

  • 深度变深了，连个GPU

• VGG 

  • 用了小卷积 3*3 1*1

• ResNet

  • 残差网络resunit，反正网络的退化，更深了

• GoogleNet

  • 宽度上的扩张

• DenseNet

  • 每一层的输入都是前面层的输出之和，共用feature map

2.循环神经网络

• RNN

• LSTM

• GRU

3.目标检测

3.1 Two-stage

链接

• RCNN

  • SS选着性搜索,SVM,bbox regressor。

• SPPnet

  • 引入SPP，即按照4* 4 2*2 1*1对feature map 进行池化。

• Fast RCNN

  • 先卷积得到feature map，再从原图用SS选择候选区域，找出原图中候选区域在feature map中对应的区域。再使用ROI pooling，出4*4的ROI，在进行分类和回归。

• Faster RCNN

  • 使用了RPN代替SS，用n*n的大小的卷积窗口去扫描特征图的每个像素点，每个像素点都映射回原图的区域，然后用三种尺度（128,256,512），长宽比（1：1,2:1,1：2）共9个，对该区域进行选择，得到候选区域。

3.2 one stage 

• YOLO