一、结构:使用了8层卷积神经网络,5层卷积层和2层全连接隐藏层和1个全连接输出层
二、特点:更深的网络结构
使用层叠的卷积层,即卷积层+卷积层+池化层来提取图像的特征
使用dropout(丢弃法)抑制过拟合,Dropout可以看成是一种将模型进行随机的组合,可以增加其他神经元被训练到的可能性。
使用数据增强Data Augmenttation抑制过拟合
使用非线性激活函数Relu替换之前的线性函数sigmoid作为激活函数,因为Relu:计算量大大减少,收敛速度快,重叠池化可以避免过度拟合
使用CPU进行训练
重叠池化:在池化的时候,每次移动的步长小于池化的窗口长度
三、补充知识点:输出特征图像大小=(输入图像尺寸-卷积核大小)/步长+1