深度学习-2.2 AlexNet、VggNet简介

2012 年， AlexNet 横空出世。这个模型的名字来源于论⽂第一作者的姓名 Alex Krizhevsky。AlexNet 使⽤了 8 层卷积神经⽹络，并以很⼤的优势赢得了 ImageNet 2012 图像识别挑战赛冠军。这是继LeNet之后的又一个里程碑。

一.AlexNet 网络模型

二.AlexNet 的新特点
学习这个网络在2012年面世，给深度学习这个行业带来的新的突破。
1.Relu函数
2.Dropout
3.数据增强

---

VGGNet，名字的来源是(Visual Geometry Group)牛津大学计算机视觉组。
由牛津大学计算机视觉组合和Google DeepMind公司研究员一起研发的深度卷积神经网络。它探索了卷积神经网络的深度和其性能之间的关系，通过反复的堆叠33的小型卷积核和22的最大池化层，成功的构建了16~19层深的卷积神经网络。VGGNet获得了ILSVRC 2014年比赛的亚军和定位项目的冠军，在top5上的错误率为7.5%。目前为止，VGGNet依然被用来提取图像的特征。

三.VggNet的网络结构

三.VggNet 的新特点
1.使用连续的小卷积核代替大卷积核
用连续的两个3X3的卷积核，与用一个5X5的卷积核，有相同的感受野，但是参数更少。