-
AlexNet网络(2012年)
AlexNet含有五个卷积层,三个池化层和三个全连接层。
特点
1、首次使用非线性激活函数ReLU,验证其在较深的网络中效果远超Sigmoid函数,不仅避免了在较深网络中出现的梯度弥散问题,还加快了网络训练速度。
2、训练中使用Dropout机制随机忽略一部分神经单元,有效避免过拟合。
3、使用最大池化,避免池化导致的糊化效应。
4、灵活运用数据增加策略减少过拟合风险,提高模型泛化能力。
5、使用cuda的多GPU训练缩短模型收敛所需要的时间。 -
VGG网络(2014年)
VGG16含有十三个卷积层,五个池化层和三个全连接。
VGG19含有十六个卷积层,五个池化层和三个全连接。
特点
该网络通过级联多个小尺寸卷积替代大尺寸卷积核,使得多个小卷积核和一个大卷积核的神经元感受野相同,不仅有效减少网络参数量,同时多个小卷积核增加了网络非线性变换和网络深度。相比于AlexNet,VGG有更多的层数,能够抽取更加复杂抽象的高层特征,提高了模型分类的准确度。
Resnet网络(2015年)
Resnet18含有九个卷积层,两个池化层和一个全连接。
特点
提出残差模块,通过多层卷积去学习输入和输出之间的残差,而非直接去学习输入和输出之间的映射,使得深度网络更容易训练,当深度大于50,在3X3卷积运算前采用1X1降低计算量。
经典CNN模型及其特点
最新推荐文章于 2024-06-04 19:48:40 发布