本文主要介绍四种经典的卷积神经网络,分别是AlexNet、VGGNet、GooLeNet、ResNet,这四种网络都是为了图像分类而设计,而且其分别获得ILSVRC比赛分类项目2012年冠军、2014年亚军、2014年冠军、2015年冠军。这四个网络算是卷积神经网络最经典的四个网络框架,其中包含着许多影响深远的新技术和新结构,网络的深度也逐步的加深,对本文主要简单介绍着四种网络框架,以及各自的创新之处。
1、AlexNet
原文:click here:ImageNet Classification with Deep Convolutional Neural Networks
这篇文章的网络是在2012年的ImageNet竞赛中取得冠军的一个模型整理后发表的文章。作者是多伦多大学的Alex Krizhevsky等人。Alex Krizhevsky其实是深度学习三巨头之一、2018年图领奖得主Hinton。
AlexNet主要有8层,其中分为5层卷积层以及3层全连接层,整个网络有六亿多个连接以及有六千万个参数、六十五万个神经元,网络输入为224*224像素的Image,网络框架如下:
该网络之所以成为经典是因为其首次应用了许多新的技术,例如ReLu、Dropout、MaxPool等等:
- 使用ReLu(Rectified Linear Units)作为卷积层的激活函数
如下图所示,实线为ReLu激活函数,虚线为tanh激活函数由图可以看出,在梯度下降训练时间方面,使用饱和非线性激活函数比非饱和非线性慢得多,采用ReLu作为激活函数的DNN的训练过程要快得多。虽然Relu激活函数在很早之前就已经被提出,但是直到AlexNet的出现才将其发扬光