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
-
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