欢迎关注博主的公众号:happyGirl的异想世界。有更多干货还有技术讨论群哦~
LeNet-5
LeNet-5是Yann LeCun在1998年设计的用于手写数字识别的卷积神经网络,当年美国大多数银行就是用它来识别支票上面的手写数字的,它是早期卷积神经网络中最有代表性的实验系统之一。
LenNet-5共有7层(不包括输入层),每层都包含不同数量的训练参数,如下图所示。
其参数:
- input:输入图片,32*32像素;
- C1:5*5卷积核,生成6个feature maps,共需要(6*5*5 + 6)=156个参数;
- S2:2*2个像素相加,然后乘以一个参数,加上一个偏置,共计2*6=12个参数;
- C3:5*5卷积核,生成16个feature maps,每个feature map由S2中若干个feature maps卷积得到,如图Table1所示;
- S4:和S2相同的操作,共计16*2 = 32个参数;
- C5:与S4全连接,共计(5*5*16*120+120)=48120个参数;
- F6:与C5全连接,共计(120*84+84) = 10164 个参数;
- output: 与F6全连接。
AlexNet
AlexNet是2012年ImageNet竞赛冠军获得者Hinton和他的学生Alex Krizhevsky设计的。也是在那年之后,更多的更深的神经网络被提出,比如优秀的vgg,GoogLeNet。 这对于传统的机器学习分类算法而言,已经相当的出色。
alexNet为8层深度网络,其中5层卷积层和3层全连接层,不计LRN层和池化层。结构图如下图所示:
详解各层训练参数的计算:
前五层:卷积层
后三层:全连接层
整体计算图:
也可以这么看:
VGGNet
VGGNet (https://arxiv.org/pdf/1409.1556.pdf) 发布于2014年,作者是Karen Simonyan和Andrew Zisserman,该网络表明堆叠多个层是提升计算机视觉性能的关键因素。VGGNet包含16或19层,主要由小型的3X3卷积操作和2X2池化操作组成。
创新点:VGGNet全部使用3*3的卷积核和2*2的池化核,通过不断加深网络结构来提升性能。网络层数的增长并不会带来参数量上的爆炸,因为参数量主要集中在最后三个全连接层中。同时,两个3*3卷积层的串联相当于1个5*5的卷积层,3个3*3的卷积层串联相当于1个7*7的卷积层,即3个3*3卷积层的感受野大小相当于1个7*7的卷积层。但是3个3*3的卷积层参数量只有7*7的一半左右,同时前者可以有3个非线性操作,而后者只有1个非线性操作,这样使得前者对于特征的学习能力更强。
使用1*1的卷积层来增加线性变换,输出的通道数量上并没有发生改变。这里提一下1*1卷积层的其他用法,1*1的卷积层常被用来提炼特征,即多通道的特征组合在一起,凝练成较大通道或者较小通道的输出,而每张图片的大小不变。有时1*1的卷积神经网络还可以用来替代全连接层。
其他小技巧。VGGNet在训练的时候先训级别A的简单网络,再复用A网络的权重来初始化后面的几个复杂模型,这样收敛速度更快。VGGNet作者总结出LRN层作用不大,越深的网络效果越好,1*1的卷积也是很有效的,但是没有3*3的卷积效果好,因为3*3的网络可以学习到更大的空间特征。
优点:1.参数量减少了 81%(相比alxexnet),而感受野保持不变。
2.小卷积核的使用也扮演了正则化器的角色,并提高了不同卷积核的有效性。
缺点:其评估的开销比浅层网络更加昂贵,内存和参数(140M)也更多。这些参数的大部分都可以归因于第一个全连接层。
网络结构:VGGNet的网络结构如下图所示。VGGNet包含很多级别的网络,深度从11层到19层不等,比较常用的是VGGNet-16和VGGNet-19。VGGNet把网络分成了5段,每段都把多个3*3的卷积网络串联在一起,每段卷积后面接一个最大池化层,最后面是3个全连接层和一个softmax层。网络结构图:
代码实现参考自tensorflow的开源实现:
#%%
# Copyright 2016 The TensorFlow Authors. All Rights Reserved.
#
# Licensed under the Apache License, Version 2.0 (the "License"