AlexNet、GoogLeNet、VGGNet、ResNet对比

最新推荐文章于 2024-08-18 11:12:27 发布

SanKinPlus

最新推荐文章于 2024-08-18 11:12:27 发布

阅读量2.5w

点赞数

分类专栏：深度学习文章标签：深度学习与计算机视觉

本文链接：https://blog.csdn.net/qq_32768091/article/details/78757518

版权

本文对比分析了AlexNet、GoogLeNet和VGGNet在深度学习与计算机视觉领域的应用。AlexNet在ILSVRC 2012竞赛中表现出色，采用数据增强、Dropout和ReLU技术。VGGNet以小尺寸滤波器堆叠提升非线性表达能力，强调网络深度。

摘要由CSDN通过智能技术生成

#AlexNet
在ILSVRC 2012中赢得了第一名,Top5错误率15.3%。论文链接
这里写图片描述
AlexNet前面是5个卷积层，之后是3个全连接层，最后再加上一个1000-way的Softmax，对应于ILSVRC的1000个类别的概率。
从上图可以明显看到网络结构分为上下2层，这是表示网络分布在2个GPU上，因为一个NVIDIA GTX 580 GPU只有3GB内存，装不下这么大的网络。为了减少GPU之间的通信，第2，4，5个卷积层只连接同一个GPU上的上一层的kernel maps(见名词解释)。第3个卷积层连接第二层的所有kernel maps。全连接层的神经元连接到上一层所有的神经元。第1，2个卷积层里ReLU操作之后有response normalization操作。第1，2，5个卷积层里有max pooling操作。作为激活函数，所有的卷积层和全连接层都有ReLU操作。
输入的图片的尺寸是224 * 224 * 3，3表示RGB这3个通道。第一个卷积层共有96个卷积核，每个卷积核的尺寸是11 * 11 * 3࿰