VGG16网络结构图 ResNet网络结构图
主要在于3个堆叠起来后,三个3x3近似一个7x7,网络深了两层且多出了两个非线性ReLU函数,(特征多样性和参数参数量的增大)使得网络容量更大(关于model capacity,AlexNet的作者认为可以用模型的深度和宽度来控制capacity),对于不同类别的区分能力更强(此外,从模型压缩角度也是要摒弃7x7,用更少的参数获得更深更宽的网络,...
通常有vgg16和vgg19两种模型,16和19指的是网络的深度。由此可以看出,和之前的相比,该网络的深度大大增加,与之相适应,每一层的卷积核变小(3×3)。vgg模型的一个重要贡献就是强调了CNN网络中深度的重要性,从而使得神经网络朝着“深度学习”的方向发展。 vgg是2014年的ImageNet challenge的localisation的冠军和classi...
2、 AlexNet ImageNet2012分类竞赛冠军,ImageNet竞赛上第一次基于卷积神经网络模型得到冠军。AlexNet相对于LeNet,网络更深,有8层网络,使用11*11的卷积核或滤波器,同时第一次引入ReLu激活层,在全连接层中引入了Dropout层防止过拟合。网络结构复杂,因计算机量大,GPU计算力不够,所以使用2个GPU。 论文:Imagenet classif...