【算法刷题】联想24年春招-人工智能方向试卷-题目3

题目：

3.SegNet的编码器部分使用的是（A）中的前13层卷积网络，每个编码器层都对应一个解码器层。
AVGG16

BAlexNet

CGooglNet

DVGG19

题目解析

-SegNet：

• 发表于CVPR2015，编码器网络由13个卷积层组成，对应于VGG16的前13个卷积层
• 丢弃了VGG16的全连接层。将13个卷积层和5个池化层划分为5个编码器。
• 单个编码器的组成部分：
  • 滤波器组
  • BN层
  • 非线性层：ReLU
  • 最大池化层：2x2

-VGG16和VGG19：

• 区别在于网络深度不一样
  • VGG16：
    • 16个隐藏层
    • 采用连续的3x3卷积替代AlexNet中的较大卷积核
      （11x11，7x7，5x5）
  • VGG19：
    19个隐藏层

-AlexNet：

• 输入为224x224x3的图像，也可填充为227x227x3
  • 共包含5个卷积层（包含卷积核+偏置层+Relu激活函数+局部相应归一化LRN）+3个全连接层+Softmax输出层
  • 首个真正意义上的深度卷积神经网络
  • 局部响应归一化LRN：
    • 计算每个特征图上每个位置，计算该位置周围像素的平方和
    • 然后将当前位置的像素除以这个和
    • 作用：抑制邻近神经元的响应，一定程度上避免过拟合，提高网络泛化能力
  • 引入了数据增强+Dropout的技术：
    • Dropout：在前向传播中，让某个神经元以p概率停止工作
      -GooglNet：
  • 引入了Inception结构，可以融合不同尺度的特征信息
  • 降维功能：在部分分支增加了1x1的卷积层，减小深度，减少计算量
  • 3个输出层，其中两个是辅助分类层