卷积神经网络模型解读汇总——LeNet5，AlexNet、ZFNet、VGG16、GoogLeNet和ResNet

最新推荐文章于 2024-06-23 16:51:28 发布
最新推荐文章于 2024-06-23 16:51:28 发布
阅读量9.7k 收藏 14
点赞数
分类专栏： 深度学习笔记 文章标签： 深度学习 卷积神经网络 网络模型
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/u010519527/article/details/80103399
版权

  在我的个人博客上一篇博文中分析了卷积神经网络的结构与相关算法，知道了这些基本原理之后。这篇博文主要介绍在卷积神经网络的发展历程中一些经典的网络模型。

LeNet5

  LeCun等将BP算法应用到多层神经网络中，提出LeNet-5模型[1]（效果和paper见此处），并将其用于手写数字识别，卷积神经网络才算正式提出。LeNet-5的网络模型如图1所示。网络模型具体参数如图2所示。

enter description here

图1 LeNet-5网络模型
表1 LeNet-5具体参数

enter description here
输入：32*32的手写字体图片，这些手写字体包含0~9数字，也就是相当于10个类别的图片;
输出：分类结果，0~9之间。
  从输入输出可以知道，改网络解决的是一个十分类的问题，分类器使用的Softamx回归。

  • C1：卷积核参数如表所示。卷积的后的尺寸计算公式为：
    outHeight=(inHeight+2pad−filterH
最低0.47元/天 解锁文章
醉笑三千席
关注
  • 0
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
Lenet、Alexnet 、VGG、 GoogleNet、ResNet模型
竹馨shine的专栏
05-11 1万+
各个模型的对比 LeNet：        该模型主要是用于识别10个手写数字的。 AlexNet：
经典卷积神经网络总结:LeNet-5、AlexNet、ZFNet、VGG、GoogleNet、ResNet
热门推荐
Rosun
11-12 1万+
1.LeNet-5—-1989LeNet-5是卷积网络的开上鼻祖，它是用来识别手写邮政编码的，论文可以参考Haffner. Gradient-based learning applied to document recognition.大名鼎鼎的LeNet5诞生于1994年，是最早的深层卷积神经网络之一，并且推动了深度学习的发展。从1988年开始，在多次成功的迭代后，这项由Yann LeCun完成的
动手学深度学习（Pytorch版）代码实践 -卷积神经网络-29残差网络ResNet
最新发布
李思成的博客
06-23 430
【代码】动手学深度学习（Pytorch版）代码实践 -卷积神经网络-29残差网络ResNet。
深度学习笔记（三十四）经典卷积神经网络：LeNet-5 AlexNet VGG-16
Mr.zwX
02-17 391
一、LeNet-5 二、AlexNet 三、VGG-16
第二次学习计划 之（LeNET、AlexNet、VGGNet、GoogLeNet，ResNet）算法
weixin_46288319的博客
06-11 1027
非自己原创，借鉴于网上各位大佬，自己做了一个学习总结。
VGGNet 与 GoogLeNet
jq_98的博客
02-10 3195
VGGNet VGGNet 是由牛津大学著名研究组（Visual Geometry Group）提出 网络亮点：通过堆叠多个3*3的卷积核来代替大尺度卷积核（减少所需参数） 论文中提到，可以通过堆叠两个3x3的卷积核代替5x5的卷积核，堆叠三个3x3的卷积核代替7x7的卷积核，因为都拥有相同的感受野 经典的VGG16网络结构 VGG16经常作为一些网络的预训练模型或者目标检测网络的backbone,十分重要 一般采用D结构，也就是VGG16，为什么叫VGG16呢，因为这个网络中的卷积层+全连接层一共
经典卷积神经网络模型-合集(AlexNet，VGG16Net，GoogLeNet，ResNet18).zip
01-29
这是一个合集——经典卷积神经网络模型，包含AlexNet，VGG16Net，GoogLeNet，ResNet18等四个主要的经典卷积神经网络的code，也包含注释。所有模型均已调试通过，且已经记录博客。跑的时候，建议使用GPU来跑，否则...
PyTorch构建LeNet、AlexNet、VGGNet、GoogLeNet、ResNet训练MNIST数据集
09-25
2、训练函数、PyTorch构建LeNet网络 3、PyTorch从零构建AlexNet训练MNIST数据集 4、PyTorch从零构建VGGNet训练MNIST数据集 5、PyTorch从零构建GoogLeNet训练MNIST数据集 6、PyTorch从零构建ResNet训练MNIST数据集
LeNet、AlexNet、VGG、NiN、GoogLeNet
01-06
文章目录LeNet、AlexNet、VGG、NiN、GoogLeNet全连接层与卷积层的优势对比LeNetLeNet模型LeNet的pytorch实现AlexNetAlexNet模型AlexNet的pytorch实现VGGVGG模型VGG的实现NiN(网络中的网络）NiN模型NiN的pytorch实现...
经典卷积神经网络模型—AlexNet，VGG，GoogLeNet
01-20
8层变换，其中有5层卷积和2层全连接隐藏层，以及1个全连接输出层。 将sigmoid激活函数改成了更加简单的ReLU激活函数。 用Dropout来控制全连接层的模型复杂度。 引入数据增强，如翻转、裁剪和颜色变化，从而进一步...
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...
AlexNet网络的参数权值
08-04
使用ImageNet数据集训练AlexNet网络的参数权值，可以直接在tensorflow中使用
【深度学习】LeNet-5、AlexNet、VGG16、GoogLeNet、ResNet
u011754972的博客
08-25 2666
有多少层并不把池化层算在内。 ##LeNet-5：结构 C-P-C-P-FC-FC，即 卷积1 - 池化 - 卷积2 - 池化 - 全连接1 - 全连接2 - softmax输出层 ##AlexNet：结构5个卷积层，3个全连接层，共八层，6千万参数（即60M个参数） ...
LeNet、AlexNet、VggNet、GoogLeNet、ResNet、MobileNet网络详解
qq_45445740的博客
12-08 1560
LeNet 内容： ①详解LeNet-5模型 ②用Pytorch搭建LeNet-5模型且基于CIFAR-10数据集训练 https://blog.csdn.net/qq_45445740/article/details/106827428 AlexNet https://blog.csdn.net/qq_37541097/article/details/104409156 内容： ①AlexNet网络结构详解视频 ②使用pytorch搭建AlexNet并针对花分类数据集进行训练 ③视频最后中也介绍了如何训练
【深度学习网络结构】 深度学习——卷积神经网络 的经典网络（LeNet-5、AlexNet、ZFNet、VGG-16、GoogLeNet、ResNet）
小C的博客
09-09 8089
【深度学习网络结构】 深度学习——卷积神经网络 的经典网络（LeNet-5、AlexNet、ZFNet、VGG-16、GoogLeNet、ResNet） 【声明】本文的主要内容来自博客园，链接为https://www.cnblogs.com/guoyaohua/p/8534077.html，在此基础上删改与补充 【编辑时间：2018.09.07】 【完成时间：2018.09.09】   ...
【卷积神经网络】经典网络之 LeNet-5, AlexNet 与 VGG-16
洋洋Young的博客
08-22 540
随着计算机硬件的升级与性能的提高，运算量已不再是阻碍深度学习发展的难题。卷积神经网络（Convolution Neural Network，CNN）是深度学习中一项代表性的工作，其雏形是 1998 年 LeCun 提出的 LeNet-5 模型。如今，卷积神经网络已被广泛应用于计算机视觉领域。本文主要介绍卷积神经网络中的经典网络，包括 LeNet-5, AlexNet 和 VGG-16.
深度学习——卷积神经网络 的经典网络（LeNet-5、AlexNet、ZFNet、VGG-16、GoogLeNet、ResNet）
gb4215287的博客
08-12 973
一、CNN卷积神经网络的经典网络综述 下面图片参照博客：http://blog.csdn.net/cyh_24/article/details/51440344 二、LeNet-5网络 输入尺寸：32*32 卷积层：2个 降采样层(池化层)：2个 全连接层：2个 输出层：1个。10个类别（数字0-9的概率） LeNet-5网络是针对灰度图进行训练的，输入图像大小为32*32*1，不包含输入层的情况下共有7层，每层都包含可训练参数（连接权重）。注：每个层有多个Feature.
CNN框架介绍（1）AlexNet和VGG16
weixin_43595430的博客
05-03 2277
1. AlexNet AlexNet是2012年ImageNet竞赛冠军框架，也是在那之后，更多的神经网络框架相继被提出，论文地址可以在这里看到。 整体的结构图如下所示： AlexNet共有八层，有60M以上的参数量。 前五层为卷积层：convolutional layer； 后三层为全连接层，fully connected layer。 最后一个全连接层输出具有1000个输出的softmax。...
手工简单复现经典CNN网络测试(LeNet5、AlexNet、VGG16、GoogLeNet、ResNe)
a1314_521a的博客
03-01 1292
手工简单复现经典CNN网络测试 **前言：**突然想把看到的机器视觉的经典网络（LeNet5、AlexNet、VGG16、GoogLeNet、ResNet）手工复现一遍，运气好的可以看到效果时逐渐趋于完美的，但现实是残酷的，这里把遇到的问题和部分结果记录以下(真心认为解决问题的过程就是成长的过程) 1、导入相关包 import torchvision from torchvision.datasets import FashionMNIST import torchvision.transforms as
为什么卷积神经网络结构如LeNet、AlexNet、VGG、GoogLeNet、ResNet能够流行
04-30
卷积神经网络 (Convolutional Neural Network, CNN) 结构在计算机视觉领域被广泛应用，主要是因为以下原因： 1. 层次结构：卷积神经网络结构采用分层结构，可以从简单特征到复杂特征的逐步提取和处理，能够更好地理解图像内容。 2. 卷积操作：卷积操作可以有效地捕捉图像中的空间关系，可以有效地减少图像中的冗余信息，从而提高了网络的效率。 3. 池化操作：池化操作可以对特征图进行降维，减少特征数量，降低了网络的复杂度，同时还可以提高网络的鲁棒性。 4. 激活函数：卷积神经网络使用的激活函数，如 ReLU，能够更好地解决梯度消失问题，从而提高了网络的训练速度和准确率。 5. 数据增强：卷积神经网络可以对数据进行增强，如翻转、旋转、缩放等，从而增加了训练样本的多样性，提高了网络的泛化能力。 综上所述，卷积神经网络结构具有层次结构、卷积操作、池化操作、激活函数和数据增强等优点，这些优点使得卷积神经网络在计算机视觉领域具有广泛的应用前景。
评论 2
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