发展历史
1998 LeNet
首个基于卷积的神经网络
2012 AlexNet
1.使用了Relu激活函数
2.标准化
3.Dropout
4.数据增强
VGG
Inception
GoogLeNet
5阶段,共9个inception块
Inception-BN(v2)—使⽤批量归⼀化
Inception-V3—修改了inception块
替换5x5成多个3x3卷积层
替换5x5成1x7和7x1卷积层
替换3x3成1x3和3x1卷积层
更深
Inception-V4—加了残差连接
ResNet
每块⾥⾯先减半⾼宽(stride=2)
•累加残差块
ResNet架构
跟VGG和GoogleNet⼀样的总体架构
通过残差连接来增加表达性
池化和步幅来降低复杂度
批量归⼀化来做正则
精度和性能比较
SSD 单发多框检测
YOLO --只看⼀次
将输⼊图像均匀地切割成 S x S 个⼩区域
每个⼩区域都作为中⼼⽣成⼀组锚框
真实边界框只被分配到其中⼼点所在
⼩区域⽣成的锚框
区域卷积神经⽹络
R-CNN
Fast RCNN
Mask R-CNN
其他发展
EfficientNet 2019-05-28
https://arxiv.org/abs/1905.11946