【第二周】卷积神经网络

最新推荐文章于 2022-09-26 11:21:39 发布

YuRDnKa

最新推荐文章于 2022-09-26 11:21:39 发布

阅读量530

点赞数

文章标签： pytorch 深度学习计算机视觉神经网络

本文链接：https://blog.csdn.net/weixin_72552263/article/details/125844592

版权

卷积神经网络基本组成结构

卷积层

卷积是对两个实变函数的一种数学操作。给定一个图像 $X \in R^{M \times N}$ 和滤波器 $W \in R^{m \times n}$ ，则 $y = WX+b$ ，输出的特征图大小为 $\frac{N+2p-F}{stride}+1$ 。输出通道数等于卷积核的个数，卷积核通道数与输入通道数保持相同。

池化层

池化层保留了输入的主要特征的同时减少了参数和计算量，防止过拟合，提高模型泛化能力。
它一般处于卷积层与卷积层之间，全连接层与全连接层之间。池化层主要分为最大值池化（Max pooling）和平均池化（Average pooling）两种。

池化不改变通道数。

全连接层

全连接层的两层之间所有神经元都有权重链接，往往接在卷积神经网络尾部，并通常具有最大的参数量。

卷积神经网络典型结构

AlexNet

AlexNet 是具有历史意义的一个网络结构，它在2012年的ImageNet图像分类竞赛中错误率比上一年的冠军下降了十个百分点，而且远远超过当年的第二名。

层数	说明	节点数量	参数数量
C1	96个11x11x3卷积核	55x55x48x2=290400	11x11x3x96+96=34848
C2	2组128个5x5x48卷积核	27x27x128x2=186624	(5x5x48x128+128)x2=307456
C3	384个3x3x256卷积核	13x13x192x2=64896	3x3x256x384+384=885120
C4	2组192个3x3x192卷积核	13x13x192x2=64896	(3x3x192x192+192)x2=663936
C5	2组128个3x3x192卷积核	13x13x128x2=43264	(3x3x192x128+128)x2=442624
FC6	4096个神经元	4096	(6x6x128x2)x4096+4096=37752832
FC7	4096个神经元	4096	4096x4096+4096=16781312
Output layer	1000个神经元	1000	4096x10