经典卷积神经网络结构——AlexNet网络结构详解（卷积神经网络入门，Keras代码实现）

最新推荐文章于 2024-08-18 11:12:27 发布

虚闻松声

最新推荐文章于 2024-08-18 11:12:27 发布

阅读量4.5k

点赞数 7

分类专栏：计算机视觉深度学习 CNN网络图片分类 CNN经典模型文章标签： CNN AlexNet 图片分类经典模型 keras

本文链接：https://blog.csdn.net/qq_33037903/article/details/88622679

版权

本文详细介绍了AlexNet，一个在2012年ImageNet竞赛中取得突破性成绩的经典卷积神经网络模型。模型包含5个卷积层、3个全连接层及池化层，使用ReLU激活函数和最大池化。作者在GitHub提供了Keras实现的代码，并讨论了模型中的技巧，如分块卷积、批量归一化和Dropout，以帮助理解和应用AlexNet。

摘要由CSDN通过智能技术生成

背景简介

在 LeNet 问世后的第4年，2012年， AlexNet 在 ImageNet LSVRC-2010 数据集上对1000个类别的图像进行分类取得了当时最好的效果；同时在 ILSVRC-2012 数据集上取得了当时第一的成绩。在AlexNet之后，图像分类模型越来越复杂，网络也越来越 deep。现在 AlexNet 仍然可以应用到小数据集上，做一些验证性的实验。

原论文

https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf
文章发在 NIPS 上。截止目前引用次数为36782！

个人 Github 实现

https://github.com/uestcsongtaoli/AlexNet

模型介绍

AlexNet Architecture
上图是 Alex Krizhevsky 原论文中 AlexNet 结构图，做了简单的标注。
该模型由5个卷积层和3个全连接层构成，其中还有3个 Pooling 层。
先定义 conv block 包括卷积、BatchNormalization 和 Activation：

def Conv_block(layer, filters, kernerl_size=(3, 3), strides=(1, 1), padding="valid", name=None):
	x = Conv2D(filters=filters, kernel_size=kernel_size, strides=strides, padding=padding, name=name)(layer)
	x = BatchNormalization()(x)
	x = Activation("relu")(x)
	return x