CNN经典分类网络发展历程GoogLeNet、SqueezeNet、ResNet、ResNeXt、DenseNet

心窄

于 2019-07-06 19:49:34 发布

阅读量3.1k

点赞数

CC 4.0 BY-SA版权

分类专栏： CNN 文章标签：经典分类网络发展历程 GoogLeNet SqueezeNet ResNet、ResNeXt、DenseNet

本文链接：https://blog.youkuaiyun.com/GL3_24/article/details/94884645

本文详述了2015年后深度学习领域的经典分类网络发展，包括GoogLeNet的Inception模块，解决深度网络退化问题的ResNet，进一步提升性能的ResNeXt，轻量化设计的SqueezeNet，以及强化特征复用的DenseNet。每种网络都通过独特的结构改进，如1*1卷积、残差连接和密集连接，以优化计算效率和模型性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本篇博文主要介绍2015年之后出现的经典分类网络的发展历程，前期经典分类网络网上有很多解析，主要包括LeNet、AlexNet、VGG等。
本篇博文主要介绍GoogLeNet、SqueezeNet、ResNet、ResNeXt、DenseNet。
以PPT截图形式进行讲解

一、GoogLeNet

论文题目：Going Deeper with Convolutions
论文链接：https://arxiv.org/abs/1409.4842
参考博文：https://blog.youkuaiyun.com/GL3_24/article/details/90406591
在这里插入图片描述
核心：提出了Inception module
最原始的Inception module(a)的特点是一方面增加了网络的宽度，另一方面也增加了网络对尺度的适应性（通道相加），如果想要提取更高维度的特征，那么网络中的Inception模块会更多，这样就带来了一个很严重的问题-------->巨大的计算量，因为5* 5的卷积的计算量就很大，层数越多计算量就更大。那么就需要一种解决方案进行降维，这就产生了Inception module的升级版Inception module v1 进行降维的版本。降维方法是通过增加1*1卷积。