经典神经网络架构

DXdaxian

于 2020-05-20 20:24:47 发布

阅读量363

点赞数

CC 4.0 BY-SA版权

分类专栏：经典神经网络架构文章标签：神经网络

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/DXdaxian/article/details/106242232

本文介绍了几个经典的目标分类神经网络架构，包括Alexnet、Vgg、Resnet和GoogLeNet。Alexnet因局部响应归一化层无用而逐渐减少使用；Vgg通过小卷积核实现细粒度特征提取，但计算量大；Resnet引入残差连接解决了深度网络训练难题；GoogLeNet的Inception模块实现了多分辨率信息融合。全卷积网络FCN在语义分割任务中发挥了重要作用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

整体概述

在这里插入图片描述
前4个是目标分类的经典网络

Alexnet（现在用的少）

在这里插入图片描述
卷积核比较大
local response norm层后来被证明是无用的。

Vgg

在这里插入图片描述

卷积核都是3X3：细粒度特征提取。
特点：在maxpool后，把损失的特征弥补起来，用厚度翻倍弥补长和宽。
Vgg的时间会比Alexnet长很多，如Alexnet8小时，Vgg需要3天。

Resnet残差网络

在这里插入图片描述
对于问题：56层比20层的错误率要更高。
Resnet提出解决方案：在20层以后，当经过两次卷积，若结果不好就跳过第二层卷积，把之前的输入加回来。在残差网络中，每一层至少不会比前一层的学习效果差

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。