CNN常用圖片分類網絡
-
這些圖片分類網絡之間的關系，以及他們和RCNN等網絡之間的關系，看這篇回答，說的非常好：https://www.zhihu.com/question/43370067
我稍微摘錄一點：
首先作者給的那個圖對於從整體掌握這些網絡非常有幫助：
由於從這些pretrained網絡抽出來的deep feature有良好的generalization的能力，可以應用到其他不同的CV問題，而且比傳統的hand-craft feature如SIFT，bag of word要好一大截，所以得到廣泛應用。目前大部分的high-level vision相關的問題，都是利用基於CNN的方法了。
最近出現蠻多論文，里面在benchmark上面的比較是自己方法的核心網絡換成resnet，然后去比別人基於vgg或者alexnet的方法，自然要好不少。
對於某個CV的問題，選一個優秀的核心網絡作為基礎，然后fine-tune, 已經是套路。fine-tune的原因一是訓練AlexNet等網絡需要imagenet, places等million級別的數據，一般的CV任務都沒有這么多數據。二是因為pre-trained model本身的feature已經足夠generalizable，可以立刻應用到另外一個CV任務
AlexNet - > VGG: VGG可以看成是加深版本的AlexNet. 都是conv layer + FC layer
Network in Network -> GoogLeNet: NIN利用Global average pooling去掉了FC layer, 大大減少了模型大小，本身的網絡套網絡的結構，也激發了后來的GoogLeNet里面的各種sub-network和inception結構的設計
ResNet：這個網絡跟前面幾個網絡都不同。
這里潛在的一個問題是這些CNN網絡都是在ImageNet上面1.2million數據訓練出來的，很難分析是否數據源本身會對CNN造成影響
-
VGGNet
就用一個課件來說明吧，VGGNet從原理上來看其實也不是很復雜：
-
ResNet
看這篇文章：https://blog.csdn.net/lanran2/article/details/79057994
-
LeNet
這種比較簡單的都只用圖片示意了：
來源：https://www.jianshu.com/p/58168fec534d
- 輸入尺寸是32*32像素
- 卷積層：3個
- 降采樣層：2個
- 全連接層：1個
- 輸出：10個類別（數字0-9的概率）
-
AlexNet
看這篇文章吧：https://my.oschina.net/u/876354/blog/1633143
許多tricks,例如dropout、overlapping pooling等都是在這個網絡中使用的
一幅圖來總結下:
