AlexNet、GoogLeNet、VGGNet、ResNet对比

最新推荐文章于 2025-04-17 07:36:58 发布
最新推荐文章于 2025-04-17 07:36:58 发布
阅读量2.5w 收藏 20
点赞数
分类专栏： 深度学习 文章标签： 深度学习与计算机视觉
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/qq_32768091/article/details/78757518
版权
本文对比分析了AlexNet、GoogLeNet和VGGNet在深度学习与计算机视觉领域的应用。AlexNet在ILSVRC 2012竞赛中表现出色，采用数据增强、Dropout和ReLU技术。VGGNet以小尺寸滤波器堆叠提升非线性表达能力，强调网络深度。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

#AlexNet
在ILSVRC 2012中赢得了第一名,Top5错误率15.3%。论文链接
这里写图片描述
AlexNet前面是5个卷积层，之后是3个全连接层，最后再加上一个1000-way的Softmax，对应于ILSVRC的1000个类别的概率。
从上图可以明显看到网络结构分为上下2层，这是表示网络分布在2个GPU上，因为一个NVIDIA GTX 580 GPU只有3GB内存，装不下这么大的网络。为了减少GPU之间的通信，第2，4，5个卷积层只连接同一个GPU上的上一层的kernel maps(见名词解释)。第3个卷积层连接第二层的所有kernel maps。全连接层的神经元连接到上一层所有的神经元。第1，2个卷积层里ReLU操作之后有response normalization操作。第1，2，5个卷积层里有max pooling操作。作为激活函数，所有的卷积层和全连接层都有ReLU操作。
输入的图片的尺寸是224 * 224 * 3，3表示RGB这3个通道。第一个卷积层共有96个卷积核，每个卷积核的尺寸是11 * 11 * 3࿰

最低0.47元/天 解锁文章
三、计算机视觉_04AlexNet、VggNet、ResNet设计思想
LC的博客
11-17 1194
AlexNet是由Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton在2012年ImageNet大规模视觉识别挑战赛（ILSVRC）中提出的，它不仅赢得了当届的比赛，还激发了后续许多创新的神经网络架构（如VGGNet、ResNet、GoogLeNet等）的开发VggNet是由牛津大学的视觉几何组（Visual Geometry Group）在2014年ImageNet大规模视觉识别挑战赛（ILSVRC）中提出的，在当届比赛中取得了第二名的成绩。
GoogleNet、AleXNet、VGGNet、ResNet等总结
小麦粒的Python
08-11 1万+
ILSVRC(ImageNet大规模视觉识别挑战赛)每年都不断被深度学习刷榜，随着模型变得越来越深，Top-5的错误率也越来越低，目前降低到了3.5%附近，而人类在ImageNet数据集合上的辨识错误率大概在5.1%，也就是目前的深度学习模型识别能力已经超过了人类。
现流行的AlexNet,VGGNet,GoogleNet,SENet,ResNet等11篇经典卷积神经网络
05-17
现流行的AlexNet,VGGNet,GoogleNet,SENet,ResNet等11篇经典卷积神经网络
【大模型与机器学习解惑】与 VGG16、Inception-v3 相比，ResNet 在参数量、FLOPs、精度上的主要优势与短板？
最新发布
人工智能(AI)技术，大模型技术，深度学习，机器学习，计算机视觉，AI工具实践应用等分享
04-17 728
【大模型与机器学习解惑】与 VGG16、Inception-v3 相比，ResNet 在参数量、FLOPs、精度上的主要优势与短板？
经典神经网络论文解读（五）—— ResNet（残差网络）
weixin_40375105的博客
03-26 1364
ResNet在《》论文中提出，是在CVPR 2016发表的一种影响深远的网络模型，何凯明团队提出来，在ImageNet的分类比赛上将网络深度直接提高到了152层，前一年夺冠的VGG只有19层。ImageNet的目标检测以碾压的优势成功夺得了当年识别和目标检测的冠军，COCO数据集的目标检测和图像分割比赛上同样碾压夺冠，可以说ResNet的出现对深度神经网络来说具有重大的历史意义。随着卷积神经网络的发展和普及，我们了解到增加神经网络的层数可以提高模型的训练精度和泛化能力。
现代神经网络总结(AlexNet VGG GoogleNet ResNet的区别与改进)
XXxia1XX的博客
04-28 1235
1.VGG，NIN，GoogleNet的块结构图对比(注意:无AlexNet)->神经网络越深,越复杂总能改进精度吗?在上面三层神经网络之后得到的疑惑。这些块带来的区别与细节。
使用VGGNet、ResNet、Inception和Xception分类图像
XerCis的博客
03-21 3866
一、简介 VGGNet 2014年。该网络使用3×3卷积核的卷积层堆叠并交替最大池化层，有两个4096维的全连接层，然后是softmax分类器。16和19分别代表网络中权重层的数量。 ResNet 2015年。该网络使用残差模块来组成更复杂的网络（网络中的网络），使用标准随机梯度下降法训练。与VGG相比，ResNet更深，但是由于使用全局平均池操作而不是全连接密集层，所以模型的尺寸更小。 Inc...
ResNet，GoogleNet的基本架构，与VGGNet，AlexNet等网络的对比和创新点。
小星星专栏
12-09 4296
结构：        GoogleNet提出了一种Inception结构，如上右图，从上一层到下一层的时候，分出四块，每块具有不同的卷积核，然后汇合在下面，使用了一个concrete层。好处在于，采用不同大小的卷积核意味着不同大小的感受野，最后拼接意味着不同尺度特征的融合。之所以卷积核大小采用1、3、5，主要是为了方便对齐。设定卷积步长stride=1之后，只要分别设定pad=0、1、2，那么...
经典卷积神经网络模型-合集(AlexNet，VGG16Net，GoogLeNet，ResNet18).zip
01-29
这是一个合集——经典卷积神经网络模型，包含AlexNet，VGG16Net，GoogLeNet，ResNet18等四个主要的经典卷积神经网络的code，也包含注释。所有模型均已调试通过，且已经记录博客。跑的时候，建议使用GPU来跑，否则...
Le-Net、AlexNet、VggNet、googlenet、Resnet的发展与区别
pingguolou的博客
08-18 2046
Le-Net、AlexNet、VggNet、googlenet、Resnet的发展与区别
经典论文阅读笔记——AlexNet、VGGNet、GoogLeNet、ResNet、DenseNet
gailj
03-19 1746
  近期读了一些经典论文，本博客主要是基于CNN方面经典的网络做一下总结，基于自己对论文的理解和向他人博客的学习总结。 AlexNet   AlexNet是2012年由深度学习之父Hinton的学生Alex提出的，其在图像处理方面优异的表现开创了一个新时代。这篇文章个人感觉偏重于工程性应用，尽管说许多idea放在今天已经不太实用了（现在有更好的方法和模型），但是在十年前能做出这样的成果确实是难能可贵的了。   上图是AlexNet的网络结构，总共有8层，其中卷积层有5层，剩下的是3个全连接层。可以看出它的
CNN模型简单介绍(LeNet,AlexNet,VGG,GoogLeNet,ResNet,GAN,R-CNN)
01-16
CNN模型简单介绍,按照提出时间依次介绍LeNet,AlexNet,VGG,GoogLeNet,ResNet,GAN,R-CNN。十几页的ppt，主要介绍各个模型的核心思想、贡献，希望能为大家提供一条清晰的CNN发展脉络。具体的算法实现等需要阅读文章代码。相关文章会作为另一个资源提供免费打包下载。
卷积神经网络AlexNet和ResNet比较[2021论文]
weixin_44972997的博客
07-10 6063
本文是一篇`人工智能`前沿算法课设小论文，主要内容是对于经典模型`AlexNet`和`ResNet`的比较。整体上比较完整，由于是从文档上搬上来，所以在排版上有一些不规范，需要`完整论文或者参考文献`私信可免费提供。
AlexNet, VGGNet, GoogLeNet 对比
热门推荐
Just Do IT
04-18 2万+
简单对三种CNN网络进行对比。 AlexNet 来自ImageNet Classification with DCNNs。 1. require a constant input dims. down-sampled the images to a fixed resolution of 256*256.(rescaled the images such that the shorter si
AlexNet、VGG、GoogleNet学习笔记
qq_36936443的博客
04-08 1995
1. 深度学习奠基作：AlexNet AlexNet 赢得了2012年ILSVRC 2012（ImageNet Large Scale Visual Recognition Challenge）竞赛，top1 error：36.7%， top5 error:15.4% 当时排名第二的传统机器学习方法SIFT+FVS，top 5 error: 26.2%，且传统机器学习已难以继续提升。 深度学习发展十年后的的今天，imagenet数据集上的SOTA方法：top1准确率：90.940%，top5准确率..
CNN相关公式
qq_39951635的博客
03-05 406
建议可以先看一下这个问题如何通俗易懂地解释卷积？，会了解的更透彻~（我甚至觉得百度百科都值得探索） 回归正文~记录贴（侵删，感恩） 卷积的物理意义： 系统某一时刻的输出是由多个输入共同作用（叠加）的结果。放在图像分析里，可以理解为原始像素点(source pixel)，所有的原始像素点叠加起来，就是原始图了。 卷积的3个核心思想： 稀疏交互（sparse interactions），即每个节点通过固定个（一般等于卷积核元素的数目，远小于前一层节点数）连接与下一层的神经元节点相连; 尽管是稀...
深度学习网络各自特点汇总----LeNet、AlexNet、VGGNet、ResNet、ShuffleNet
weixin_46598329的博客
07-29 851
使用 Sigmoid 和 Tanh 函数作为激活函数。常见的层级排列：一个或多个卷积层后有一个池化层。随着通道高度和宽度的缩小，通道数量也在增加。
【 深入解析VGG网络：理论、调优与ResNet对比】
专注技术的博主
03-10 1198
参数典型值作用解析学习率0.001~0.01控制权重更新步长，过大易震荡，过小收敛慢。RMSProp/Adam可自适应调整。批量大小32~256影响梯度估计的稳定性，小批量增加随机性但需要更多内存。优化器Momentum（β=0.9）加速收敛，Adam结合动量与自适应学习率，适合非凸优化。权重初始化He正态分布针对ReLU激活，初始化权重方差为 (2/n_{\text{in}})，缓解梯度消失/爆炸。正则化惩罚大权重，防止过拟合。Dropout（rate=0.5）随机屏蔽神经元，增强泛化能力。
#Deep Learning回顾#之LeNet、AlexNet、GoogLeNet、VGG、ResNet
我爱机器学习
08-30 2607
Deep Learning一路走来，大家也慢慢意识到模型本身结构是Deep Learning研究的重中之重，而本文回顾的LeNet、AlexNet、GoogLeNet、VGG、ResNet又是经典中的经典。
alexnet vgg googlenet resnet
03-16
AlexNet、VGG、GoogLeNet和ResNet都是深度学习中的经典卷积神经网络模型。 AlexNet是2012年ImageNet大规模视觉识别竞赛的冠军，它采用了多层卷积和池化层，以及Dropout等技术，使得模型具有更好的泛化能力。 VGG是...
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值