李飞飞计算机视觉-自用笔记（第四周）

最新推荐文章于 2023-10-01 17:12:32 发布

代号06009

最新推荐文章于 2023-10-01 17:12:32 发布

阅读量367

点赞数

分类专栏：笔记

本文链接：https://blog.youkuaiyun.com/qq_41882866/article/details/107642725

版权

李飞飞计算机视觉-自用笔记（四）

9 CNN框架

9 CNN框架

9.1 LeNet-5

在这里插入图片描述
使用步长为1，大小为5 * 5的卷积核；下采样（池化层）步长为2，大小为2 * 2
[CONV-POOL-CONV-POOL-FC-FC]
LeNet在数字识别领域取得了成功，这个模型主要有两个思想
1.卷积，它的特点是局部感知和参数共享。局部感知对应着提取局部特征，具有很好的平移等变性。共享参数可以防止过拟合。
2.下采样，叫做pooling，用的比较多的是max pooling

9.2 AlexNet

在这里插入图片描述
输入图像：227 * 227 * 3
CONV1：96个步长为4，大小为11 * 11的卷积核；通过公式计算（227-11）/4+1=55，故
第一个卷积层输出数据大小：[55 * 55 * 96]
参数个数：[11 * 11 * 3 * 96] = 35K
POOL1：步长为2，大小为3 * 3的卷积核；通过公式计算（55-3）/2+1=27，同时池