Deep Learning-TensorFlow (14) CNN卷积神经网络_深度残差网络 ResNet

最新推荐文章于 2023-09-29 19:40:50 发布

DiamonJoy

最新推荐文章于 2023-09-29 19:40:50 发布

阅读量2.9w

点赞数 10

本文链接：https://blog.csdn.net/diamonjoy_zone/article/details/70904212

版权

本文介绍了ResNet（残差神经网络）的基本概念，该网络由Kaiming He等人提出，旨在解决深度神经网络中由于层数加深导致的性能下降问题。ResNet利用残差块实现信息的直接传递，从而有效训练极深的网络。通过 shortcut connections 学习输入和输出的差值，使得训练误差随层数增加而减小。在ILSVRC 2015比赛中，ResNet取得了冠军，并因其出色的性能和推广性，被广泛应用于卷积神经网络研究，包括Inception V4和Inception-ResNet-V2等模型。

摘要由CSDN通过智能技术生成

环境：Win8.1 TensorFlow1.0.1

软件：Anaconda3 （集成Python3及开发环境）

TensorFlow安装：pip install tensorflow (CPU版) pip install tensorflow-gpu (GPU版)

TFLearn安装：pip install tflearn

参考：

Deep Residual Learning for Image Recognition Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun

1. 前言

ResNet（Residual Neural Network）由前微软研究院的 Kaiming He 等4名华人提出，通过使用 Residual Blocks 成功训练152层深的神经网络，在 ILSVRC 2015 比赛中获得了冠军，取得 3.57% 的 top-5 错误率，同时参数量却比 VGGNet 低，效果非常突出。ResNet 的结构可以极快地加速超深神经网络的训练，模型的准确率也有非常大的提升。上一篇博文讲解了 Inception，而 Inception V4 则是将 Inception Module 和 ResNet 相结合。可以看到 ResNet 是一个推广性非常好的网络结构，甚至可以直接应用到 Inception Net 中。