经典的卷积网络结构-LeNet、AlexNet、VGG、ResNet、Inception

最新推荐文章于 2023-01-03 13:21:35 发布
VIP文章 最新推荐文章于 2023-01-03 13:21:35 发布
阅读量579 收藏 1
点赞数
分类专栏： 炼丹笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_30057549/article/details/103250511
版权

文章目录

1.为什么进行实例探究？

通过阅读别人的论文和代码来学习。
后面会学习几个经典的网络模型。
在这里插入图片描述

2.经典网络

2.1 LeNet-5

输入：图片32×32×1，过滤器5×5，avg pool 2×2-步长2。
网络结构图：
在这里插入图片描述
参数大概6W个，激活函数用的sigmoid和tanh。
可借用模式：一个或多个卷积层后面跟着一个池化层，重复若干个这种结构，然后是全连接层，最后是输出。
论文阅读：精度第二段（介绍网络结构）、泛读第三段（实验结果）。

2.2 AlexNet

输入：图片227×227×3；过滤器有：11×11-步长4,5×5-same，3×3-步长1-padding-1；max-pool：3×3-步长2。
在这里插入图片描述
参数大概6000万个。激活函数用的ReLU。
在这里插入图片描述
训练方法：在两个GUP上进行训练。
LRN（局部响应归一化层）：得到256个数字，进行归一化。motivate是13×13的图像每个位置来说，可能并不需要太多的高激活神经单元。

2.3 VGG-16

输入：图片224×224×3，过滤器：3×3-步长1-same padding；池化：2×2-步长2。
在这里插入图片描述
这里的16指的是卷积层和全连接层的数量，整个网络大概有1.38亿个参数。
网络结构的设计原则：每一步卷积，通道数翻倍。每一次池化，高度宽度缩小一半。
总结：论文阅读顺序：AlexNet->VGG->LeNet。

3.残差网络

残差块：

最低0.47元/天 解锁文章
LotusQ
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
卷积神经网络回顾之AlexNet、VGGNet、Inception系列、ResNet系列
迷路的咸鱼的博客
05-04 2180
网络整理AlexNet (2012)VGGNet (2014)Inception系列GoogLeNet ——Inception v1 (2014)BN-Inception——Inception v2 (2015)Inception v3 (2016)Inception v4 (2016)Inception-ResNet (2016)Xception (2017)ResNet系列ResNet v1 ...
Pytorch三种模型实现情感分析——Word Averaging、RNN、CNN
个人记录使用
11-24 4609
文章目录0.前言1.Pytorch实现1.1 数据预处理1.2 模型构建1.3 训练&评价2.总结 0.前言 本文将通过训练一个文本分类模型来实现情感分析任务。其中包括torchtext的基本用法——BucketIterator和torch.nn的一些基本模型——Conv2d。 1.Pytorch实现 1.1 数据预处理 在情感分类任务中，我们的数据包括文本字符和两种情感，“pos”和“n...
CV中深度神经网络发展历程(VGG、ResNet、Inception、Xception等)
weixin_43038752的博客
01-04 1911
一、AlexNet与VGG 在课程中，我们学习了CNN最简单的结构：卷积层、池化层、激活层、还有最后的全连接分类层。AlexNet（2012）和VGG（Visual Geometry Group，2015）等都是遵循了传统CNN的层层堆砌的结构，其中VGG的改进是使用连续的几个3x3的卷积核代替AlexNet中的较大卷积核（11x11，7x7，5x5等），这样可以带来更深的非线性网络结构，便于学习更加复杂的模式，同时参数之和较之大卷积核的参数更少，比如2个33的卷积核可以代替1个55的卷积核： 可以总结出
LeNet-ResNet-AlexNet网络详解
weixin_41744192的博客
04-14 1591
LeNet-AlexNet-VGG-ResNet-DenseNetLeNet LeNet 不计输入层，LeNet-5共有7层，每一层的结构为： 输入层：输入图像的尺寸统一归一化为32*32。 C1层-卷积层 输入图片：3232 卷积核大小：55 卷积核种类：6 输出feature map大小：2828 （32-5+1）=28 神经元数量：28286 可训练参数：（55+1) * 6（每个滤波器55=25个unit参数和一个bias参数，一共6个滤波器） 连接数：（55+1）62828=12230
Le-Net、AlexNet、VggNet、googlenet、Resnet的发展与区别
pingguolou的博客
08-18 1815
Le-Net、AlexNet、VggNet、googlenet、Resnet的发展与区别
经典CNN网络（Lenet、Alexnet、GooleNet、VGG、ResNet、DenseNet）
北落师门XY的博客
07-21 1万+
Lenet（1986） 主要用于识别10个手写邮政编码数字，5*5卷积核，stride=1，最大池化。 Alexnet（2012） 卷积部分都是画成上下两块，意思是说把这一层计算出来的feature map分开，但是前一层用到的数据要看连接的虚线。 引入Group群卷积概念，最早是为了应对训练时硬件限制问题，额外的好处是减少参数，抑制过拟合，具体做法是：假设上一层的输出fea...
数据集及各个分类网络的结构：LeNet、AlexNet、VGG、ResNet(持续更新)
qq_43307824的博客
07-27 956
各个分类网络的结构(持续更新)
经典卷积神经网络特点笔记：LeNet、AlexNet、VGGNet、InceptionNet、ResNet
m0_38022672的博客
05-14 457
LeNet 1998 卷积神经网络的开篇之作，采用卷积的方式进行特征提取，减少了网络的参数。 AlexNet 2012 增加了relu激活函数，提高了训练速度；使用Dropout，才训练过程中忽略部分神经元，缓解了过拟合。 VGGNet 2014 采用了小尺寸的卷积核，减少了网络参数，同时网络结构规整，方便使用硬件进行并行加速。 InceptionNet 2014 在一层中使用不同尺寸的卷积，最后进行整合，提高了感知能力；采用批标准化的方式，缓解了梯度消失。 ResNet 2015 层间残差跳连.
Deep-Learning-Coursera:该存储库包含Andrew Ng的“深度学习”专业课程的编程任务。 它涉及以下概念。 DNN，超参数调整，正则化，优化，CNN（LeNet5，AlexNet，VGG，ResNet，Inception Network），转移学习（神经样式转移），RNN（LSTM，GRU）和结构化机器学习项目
05-18
DNN-深层神经网络，超参数调整，正则化，优化，CNN-卷积神经网络（LeNet5，AlexNet，VGG，ResNet，Inception网络），转移学习（神经样式转移），RNN（LSTM，GRU）和结构化机器学习项目。 请避免使用代码来提交课程...
个人下载和整理的卷积神经网络论文合集
10-23
经典卷积神经网络合集： YOLO VGG、ResNet、ShuffleNet等等 Transformer Inception
基于CNN卷积网络识别有无戴口罩
最新发布
01-21
常见的卷积神经网络包括：LeNet, AlexNet, ZFNet, VGGNet, GoogLeNet (Inception), ResNet, SqueezeNet, DenseNet, Inception-ResNet, Xception, MobileNet, ShuffleNet, NASNet, EfficientNet, MobileNetV2, ...
CNN模型简单介绍(LeNet,AlexNet,VGG,GoogLeNet,ResNet,GAN,R-CNN)
01-16
CNN模型简单介绍,按照提出时间依次介绍LeNet,AlexNet,VGG,GoogLeNet,ResNet,GAN,R-CNN。十几页的ppt，主要介绍各个模型的核心思想、贡献，希望能为大家提供一条清晰的CNN发展脉络。具体的算法实现等需要阅读文章代码。相关文章会作为另一个资源提供免费打包下载。
深度学习入门之5种经典的卷积神经网络，基于TensorFlow2.1的Python源码实现图像分类！
08-10
适合深度学习基础学习者，最适合TensorFlow入门的上手实践项目；源码基于TensorFlow2.1和cifar10数据集，包含LetNet \AlexNet \InceptionNet \VGG \ResNet的代码实现、模型保存和loss曲线。
经典深度学习实战案例合集（CNN手写数字识别、CNN车牌识别、VGG、RestNet鸟类识别、Inception手语识别，等等）
06-24
深度学习35例-卷积神经网络（Inception-ResNet-v2）识别交通标志 | 第14天 深度学习35例-卷积神经网络（CNN）实现车牌识别 | 第15天 深度学习35例-卷积神经网络（CNN）识别神奇宝贝小智一伙 | 第16天
第二次学习计划 之（LeNET、AlexNet、VGGNet、GoogLeNet，ResNet）算法
weixin_46288319的博客
06-11 967
非自己原创，借鉴于网上各位大佬，自己做了一个学习总结。
常用的几种卷积神经网络介绍
热门推荐
feixian15的博客
01-11 8万+
常用的几种卷积神经网络介绍标签（空格分隔）： 深度学习这是一篇基础理论的博客，基本手法是抄、删、改、查，毕竟介绍这几个基础网络的博文也挺多的，就算是自己的一个笔记吧，以后忘了多看看。主要是想介绍下常用的几种卷积神经网络。卷积神经网络最初为解决图像识别问题而提出，目前广泛应用于图像，视频，音频和文本数据，可以当做深度学习的代名词。目前图像分类中的ResNet, 目标检测领域占统治地位的Faster R
深度学习经典网络模型汇总——LeNet、AlexNet、ZFNet、VGGNet、GoogleNet、ResNet【对卷积池化后特征图变化有详细讲解】
秃头小苏的博客
01-26 1万+
先来看一下我们要讲述哪些经典的网络模型，如下： LeNet ：最早用于手写数字识别的CNN网络 AlexNet ：2012年ILSVRC比赛冠军，比LeNet层数更深，这是一个历史性突破。 ZFNet ：2013年ILSVRC比赛效果较好，和AlexNet类似。 VGGNet ：2014年ILSVRC比赛分类亚军、定位冠军 GoogleNet ：2014年ILSVRC分类比赛冠军 ResNet ：2015年ILSVRC比赛冠军，碾压之前的各种网络 LeNet ​ 1989年，Yang LeCun等
深度学习 经典网络模型对比分析 LeNet / AlexNet / VGGNet / GoogLeNet / ResNet / DenseNet
王爷的CSDN
04-17 8401
背景：imagenet比赛自2009年开赛，到2017年截赛，催生了众多经典的深度学习神经网络模型，这也就是李飞飞教授团队对行业发展的最大贡献之一。此后的很多网络模型几乎都是基于这些经典的网络模型所衍生。 网络发展主要特点：网络加深，增强卷积模块 LeNet： LeNet诞生于1998年，网络结构比较完整，包括卷积层、pooling层、全连接层。被认为是CNN的鼻祖。 输入32*32*1...
深度学习：07 CNN经典模型总结（LeNet-5、AlexNet、VGG、GoogLeNet、ResNet）
m0_62919535的博客
01-03 2101
以下介绍了LeNet-5、AlexNet、VGG、GoogLeNet、ResNet等，它们通常用于图像的数据处理，那么卷积神经网络是否应用于自然语言分类任务呢，其实还有一种利用CNN进行自然语言处理的网络结构——TextCNN网络，感兴趣的大家可以去了解。
Alexnet_经典的CNN模型架构-LeNet、AlexNet、VGG、GoogleLeNet、ResNet
05-12
AlexNet是经典的卷积神经网络模型架构之一，由Alex Krizhevsky等人在2012年提出。相比于之前LeNet模型，AlexNet在深度、参数量和计算量上都有所提升，使其在图像分类等任务上取得了突破性的成果。 AlexNet模型包含5个卷积层和3个全连接层，其中卷积层之间使用了最大池化操作进行下采样，最后的全连接层作为分类器输出模型的预测结果。模型中使用ReLU激活函数来增加非线性，使用Dropout来减轻过拟合问题，使用数据增强来扩充训练数据集。 除了AlexNet之外，还有一些其他经典的CNN模型架构，如VGG、GoogleLeNet、ResNet等，它们都在不同的任务上表现出色。VGG模型采用了更深的网络结构，GoogleLeNet使用了Inception模块来有效地减少参数量，ResNet则采用了残差连接来解决深度网络中的梯度消失问题。这些模型为深度学习在计算机视觉领域的应用奠定了基础。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值