RESNET
跳躍連接
RESNEXT
拆分-轉換-合併
增加基數(獨立路徑的數量)來提高準確度比網絡加深或擴大來提高準確度更有效。(爲什麼呢?)
DENSENET
相加改爲相併聯
加強shortcut,將所有層直接連接在一起
DPN
將殘差通道和densely connected path相融合,實現優缺互補
-------------------------------------------以下爲輕量級網絡-------------------------------------------
MOBILE NET
v1
1. 放棄pooling,直接採用stride=2進行卷積運算,【其他網絡,具體應用的時候再看
2. 使用兩步卷積代替一步卷積(深度可分離卷積),優點:減少計算量
3. 用兩個超參數來控制網絡計算速度與準確度之間的平衡,寬度調節參數(調節每一層的channel數),分辨率調節參數(調節輸入圖像的分辨率)
(啥是輕量化,爲啥這個可以做到輕量化呢?)輕量化--參數量少
v2
1. 引入shortcut結構(殘差網絡)
2. 在進行depthwise之前先進行1*1的卷積增加feature map的通道數,實現feature map的擴張。(inverted residual block,一般的residual block是兩頭channel多中間feature map的channel少(沙漏形狀)。而inverted residual block是兩頭通道少,中間feature的通道多(梭子形態))(梭子形態有啥好處嗎?爲啥resnet不用呢?----參數量已經很少了,中間增加一點參數,準確率也會高一點)
3. pointwise結束之後棄用relu激活函數,該用linear激活函數,來防止relu對特徵的破壞(爲啥relu有破壞,linear不會)
參考博文:https://www.jianshu.com/p/854cb5857070
SHUFFLE NET
分組卷積,交換不同組之間的通道。(shuffle net與resnet相比的優點和缺點)