input
input:(32,32,3)
conv 1
- 网络结构:conv
- 超参数:卷积核大小为3 * 3,过滤器个数为16,步长为1,padding=same(使输出大小和输入大小相同)
通过计算可得:output_size = (input_size + 2*padding - kernel_size) / stride + 1
过滤器个数的作用是获取不同的特征维度,升维/降维
注:过滤器是卷积核的集合- 输出:(32,32,3)-> (32,32,16)
stage 0
- 网络结构:Conv Block -> Identity Block -> Identity Block -> Identity Block -> Identity Block -> Identity Block
注:stage 0 的 Conv Block 进行bn-relu操作之后分裂为两条路径,一条按原来的继续下去,另一条为shortcut connection- 超参数:
1. Conv Block
(1) bottleneck1 — 卷积核大小为1 * 1,过滤器个数为16,步长为1
(2)bottleneck2 — 卷积核大小为3 * 3,过滤器个数为16,步长为1
(3)bottleneck3 — 卷积核大小为1 * 1,过滤器大小为64,步长为1 — 此处进行了特征升维
(4)shortcut — 卷积核大小为1 * 1,过滤器大小为64, 步长为1
2. Identity Block
(1) bottleneck1 — 卷积核大小为1*1,过滤器个数为16,步长为1 — 此处进行了特征降维(因为上一层的过滤器个数是64,而这层是16)
(2)bottleneck2 — 卷积核大小为3 * 3,过滤器个数为16,步长为1
(3)bottleneck3 — 卷积核大小为1 * 1,过滤器大小为64,步长为1 — 此处进行了特征升维
(4)shortcut — 原输入- 输出:(32,32,16) -> (32,32,64)
stage 1
- 网络结构:Conv Block -> Identity Block -> Identity Block -> Identity Block -> Identity Block -> Identity Block
- 超参数:
1. Conv Block
(1) bottleneck1 — 卷积核大小为1 * 1,过滤器个数为64,步长为2 — 此处进行了下采样
(2)bottleneck2 — 卷积核大小为3 * 3,过滤器个数为64,步长为1
(3)bottleneck3 — 卷积核大小为1 * 1,过滤器大小为128,步长为1 — 此处进行了特征升维
(4)shortcut — 卷积核大小为1 * 1,过滤器大小为128, 步长为1
2. Identity Block
(1) bottleneck1 — 卷积核大小为1 * 1,过滤器个数为64,步长为1 — 此处进行了特征降维
(2)bottleneck2 — 卷积核大小为3 * 3,过滤器个数为64,步长为1
(3)bottleneck3 — 卷积核大小为1 * 1,过滤器大小为128,步长为1 — 此处进行了特征升维
(4)shortcut — 原输入- 输出:(32,32,64) -> (16,16,128)
stage 2
- 网络结构:Conv Block -> Identity Block -> Identity Block -> Identity Block -> Identity Block -> Identity Block
- 超参数:
1. Conv Block
(1) bottleneck1 — 卷积核大小为1 * 1,过滤器个数为128,步长为2 — 此处进行了下采样
(2)bottleneck2 — 卷积核大小为3 * 3,过滤器个数为128,步长为1
(3)bottleneck3 — 卷积核大小为1 * 1,过滤器大小为256,步长为1 — 此处进行了特征升维
(4)shortcut — 卷积核大小为1 * 1,过滤器大小为256, 步长为1
2. Identity Block
(1) bottleneck1 — 卷积核大小为1 * 1,过滤器个数为128,步长为1 — 此处进行了特征降维
(2)bottleneck2 — 卷积核大小为3 * 3,过滤器个数为128,步长为1
(3)bottleneck3 — 卷积核大小为1 * 1,过滤器大小为256,步长为1 — 此处进行了特征升维
(4)shortcut — 原输入- 输出:(16,16,128) -> (8,8,256)
last
- 网络结构:bn -> relu -> avg pool -> fc
- 输出:(8,8,256)-> (1,1,256)-> (256) -> (10)