參考:《解析深度學習——卷積神經網絡原理與視覺實踐》
網址:http://lamda.nju.edu.cn/weixs/book/CNN_book.pdf
一、VGG
特點:
(1)使用小卷積核和“保持輸入大小"等技巧,目的在增加網絡深度(複雜度)時各層輸入大小隨深度增加而不極具減小。
(2)通道數也逐漸在增加。
二、NIN
特點:
(1)NIN採用了複雜度更高的多層感知機作爲層間映射形式,一方面提供了網絡層間映射的一種新可能;另一方面增加了網絡卷積層的非線性能力,使得上層特徵可有更多複雜性與可能性的映射到下層,這樣的想法也被後期出現的殘差網絡 和Inception等網絡模型所借鑑。
(2)用全局匯合操作(global average poolig)代替全連接層(分類層)。
三、殘差網絡(高速公路網絡的簡化,將變換門和攜帶門用近路連接代替,即直接用恆等映射代替非線性變換。近路連接使梯度信息可以在多個神經網絡層之間有效傳遞。)
權重初始化策略和批規範化極大改善梯度爆炸或梯度消失的問題(由網絡深度引起的)。
(1)普通殘差模塊與瓶頸殘差模塊
(2)高速公路網絡的簡化,將變換門和攜帶門用近路連接代替,即直接用恆等映射代替非線性變換。近路連接使梯度信息可以在多個神經網絡層之間有效傳遞。
(3)也用到了全局匯合操作(global average poolig)代替全連接層