本文概述了从LeNet-5到ResNet等经典神经网络的发展历程，包括它们的主要创新点，如maxpooling、ReLU函数、残差连接等，以及在ImageNet竞赛中的表现，展示了深度学习领域的重大突破。
1. ImageNet上前5个误差最小的网络
2. LeNet-5 第一个神经网络，用于手写字体识别
3. AlexNet，8层网络，2012年ImageNet冠军，引起了对神经网络的关注
提出了max pooling，ReLU函数，使用dropout，采集卷积核比较大。
4. VGG 网络层数更深，提出1*1， 3*3卷积核会使参数更少，效果更好。
4. GoogNet 提出并行结构，采用多个特征层进行预测
5. ResNet 残差网络，加入短接，通过训练，可以选择连接或者不连接来增强网络性能。
6. DenseNet 仿照前几层的思想，把之前的全部层都用到特征提取上来，但会使通道数目增加
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
