常用的几种卷积神经网络介绍 | 您所在的位置:网站首页 › 卷积神经网络是哪一年创立的 › 常用的几种卷积神经网络介绍 |
常用的几种卷积神经网络介绍
标签(空格分隔): 深度学习 这是一篇基础理论的博客,基本手法是抄、删、改、查,毕竟介绍这几个基础网络的博文也挺多的,就算是自己的一个笔记吧,以后忘了多看看。主要是想介绍下常用的几种卷积神经网络。卷积神经网络最初为解决图像识别问题而提出,目前广泛应用于图像,视频,音频和文本数据,可以当做深度学习的代名词。目前图像分类中的ResNet, 目标检测领域占统治地位的Faster R-CNN,分割中最牛的Mask-RCNN, UNet和经典的FCN都是以下面几种常见网络为基础。 LeNet网络背景 LeNet诞生于1994年,由深度学习三巨头之一的Yan LeCun提出,他也被称为卷积神经网络之父。LeNet主要用来进行手写字符的识别与分类,准确率达到了98%,并在美国的银行中投入了使用,被用于读取北美约10%的支票。LeNet奠定了现代卷积神经网络的基础。 网络结构 网络特点 每个卷积层包括三部分:卷积、池化和非线性激活函数(sigmoid激活函数)使用卷积提取空间特征降采样层采用平均池化 AlexNet网络背景 AlexNet由Hinton的学生Alex Krizhevsky于2012年提出,并在当年取得了Imagenet比赛冠军。AlexNet可以算是LeNet的一种更深更宽的版本,证明了卷积神经网络在复杂模型下的有效性,算是神经网络在低谷期的第一次发声,确立了深度学习,或者说卷积神经网络在计算机视觉中的统治地位。 网络结构 网络特点 使用两块GPU并行加速训练,大大降低了训练时间成功使用ReLu作为激活函数,解决了网络较深时的梯度弥散问题使用数据增强、dropout和LRN层来防止网络过拟合,增强模型的泛化能力 VggNet网络背景 VGGNet是牛津大学计算机视觉组和Google DeepMind公司一起研发的深度卷积神经网络,并取得了2014年Imagenet比赛定位项目第一名和分类项目第二名。该网络主要是泛化性能很好,容易迁移到其他的图像识别项目上,可以下载VGGNet训练好的参数进行很好的初始化权重操作,很多卷积神经网络都是以该网络为基础,比如FCN,UNet,SegNet等。vgg版本很多,常用的是VGG16,VGG19网络。 网络结构 网络特点 网络结构和AlexNet有点儿像,不同的地方在于: 主要的区别,一个字:深,两个字:更深。把网络层数加到了16-19层(不包括池化和softmax层),而AlexNet是8层结构。将卷积层提升到卷积块的概念。卷积块有2~3个卷积层构成,使网络有更大感受野的同时能降低网络参数,同时多次使用ReLu激活函数有 |
CopyRight 2018-2019 实验室设备网 版权所有 |