1.8.1 卷积神经网络近年来在结构设计上的主要发展和变迁------AlexNet
(从AlexNet到ResNet系列)
AlexNet 首次亮相是在2012 年的ILSVRC大规模视觉识别竞赛上,它将图像分类任务的Top-5错误率 降低到15.3% ,大幅领先于其他传统方法。AlexNet是首个实用性很强的卷积神经网络(在此之前的LeNet-5网络一般用于手写字符识别),其主要网络结构是堆砌的卷积层和池化层 ,最后在网络末端加上全连接层和Softmax层以处理多分类任务。在具体实现中,AlexNet还做了一些细节上的改进。
- 采用修正线性单元(Rectified Linear Unit, ReLU )作为激活函数 (替换了之前常用的Sigmoid函数),缓解了深层网络训练时的梯度消失问题。
- 引入了局部响应归一化 (Local Response Normalization,LRN)模块。
- 应用了Dropout和数据扩充(data augmentation)技术来提升训练效果。
- 用分组卷积来突破当时GPU的显存瓶颈。
想要详细了解AlexNet网络,点这里:AlexNet网络(2012年提出)
下集预告:1.8.2 卷积神经网络近年来在结构设计上的主要发展和变迁------VGGNet
分享一个好用的读论文的网站点击下面链接即可使用:
可以自动生成论文概要,想要快速了解论文全貌的话,这个很好用:
https://www.aminer.cn/chat/share/6541f27c7d4ea98387f98836
参考文献:《百面深度学习》 诸葛越 江云胜主编
出版社:人民邮电出版社(北京)
ISBN:978-7-115-53097-4
2020年7月第1版(2020年7月北京第二次印刷)