深度学习-卷积神经网络的结构&经典网络介绍

卷积神经网络的结构

总体结构

通产情况下，卷积神经网络由若干个卷积层、激活层、池化层、以及全连接层构成。

卷积层

卷积层是 卷积神经网络的核心所在，通过卷积运算可以达到提取特征和降维处理两个重要的目的。

激活层

作用是将前一层的线性输出，通过非线性的激活函数进行处理，这样用于模拟任意函数，从而增强网络的表表征能力。在深度学习领域，ReLU（修正线性单元）是目前使用较多的激活函数，主要原因是它收敛更快，同时它还解决了梯度消失的为问题。

池化层

池化层也称为子采样或者下采样，目的是缩小高、长方向上的空间的运算，以降低计算量，提高泛化能力。如下图所示，将44的矩阵缩小成22的矩阵的输出。

池化层的计算

• 对于每个输入矩阵，我们将其切割成若干大小相等的正方形小块，对于每一个区块取最大值或者平均值，并将结果组成一个新的矩阵。
• Max池化：对各个参与池化计算的区域取最大值，形成新军阵。在图像识别领域主要使用Max池化。
• Average池化：对各个参与池化计算的区域计算平均值

池化层的特征

• 没有要学习的参数池化层和卷积层不同，没有要学习的参数。池化只是层目标区域中取最大值（或者平均值），所以不存在要学习的参数。
• 通道数不发生变化经过池化运算，输入数据和输出数据的通道数不会发生变化。
  
  **对微小的位置变化具有鲁棒性（健壮）。**输入数据发生微小偏差时，池化仍会返回相同的结果。

全连接层

• 这个网络相当于多层感知机，其在整个神经网络中起到分类器的作用。
• 通过前面的多个‘卷积-激活-池化’层的反复处理，待处理的数据特性已有了显著的提高：一方面，输入数据的维度已下降到可用传统前馈全连接网络来处理了；另一方面，此时的全连接层输入的数据已经很精简，因此输出的分类品质要高得多。

经典神经网络介绍

LeNet

LeNet是 Yann LeCun在1998年提出，用于解决手写数字识别的视觉任务。自那时起，CNN的最基本的架构就定下来了：卷积层、池化层、全连接层。

LeNet:主要参数:

• 输入：输入32*32大小单通道图像
• 两个“卷积-池化层”
• 第一个全连接层神经元数目为500，再接激活函数
• 第二个全连接层神经元数目为10，得到10维的特征向量，用于10个数字的分 类训练，送入softmaxt分类，得到分类结果的概率

AlexNet

AlexNet是2012年ImageNet竞赛冠军获得者Hinton和他的学生Alex Krizhevsky设计的， 把CNN的基本原理应用到了很深很宽的网络中。其特点有：

• 使用ReLU作为激活函数，并验证其效果在较深的网络超过了Sigmoid，成功解决了Sigmoid在网络较深 时的梯度弥散问题
• 使用Dropout（丢弃学习）随机忽略一部分神经元防止过拟合
• 在CNN中使用重叠的最大池化。此前CNN中普遍使用平均池化，AlexNet全部使用最大池化，避免平均 池化的模糊化效果
• 提出了LRN（Local Response Normalization，局部正规化）层，对局部神经元的活动创建竞争机制， 使得其中响应比较大的值变得相对更大，并抑制其他反馈较小的神经元，增强了模型的泛化能力
• 使用CUDA加速深度卷积网络的训练，利用GPU强大的并行计算能力，处理神经网络训练时大量的矩阵 运算

AlexNet网络结构如下：

AlexNet：主要参数：

• AlexNet网络包含8层，其中前5层为卷积-池化层，后3层为全连接层；
• 输入 224×224×3的图像，第一卷积层用96个11×11×3的卷积核对进行滤波，步 幅4像素；
• 全连接的每层有4096个神经元，最后一个完全连接的层的输出被馈 送到1000路SoftMax，它产生超过1000个类别标签的分布；
• 整个网络共 650000个神经元

VGG

VGG是Visual Geometry Group, Department of Engineering Science, University of Oxford（牛津大学工程科学系视觉几何组）的缩写，2014年参 加ILSVRC（ImageNet Large Scale Visual Recognition Challenge） 2014大 赛获得亚军（当年冠军为GoogLeNet，但因为VGG结构简单，应用性强，所以 很多技术人员都喜欢使用基于VGG的网络）

VGG:主要参数：

• 网络深度：16~19层
• 5组卷积-池化层，3个全连接层
• 三个全连接层，前两层都有4096通道， 第三层共1000路及代表1000个标签类 别；最后一层为softmax层
• 所有卷积层有相同的配置，即卷积核大 小为3x3，步长为1，填充为1