CNN常用图片分类网络

CNN常用图片分类网络

0. 这些图片分类网络之间的关系，以及他们和RCNN等网络之间的关系，看这篇回答，说的非常好：https://www.zhihu.com/question/43370067

   我稍微摘录一点：

   首先作者给的那个图对于从整体掌握这些网络非常有帮助：

   

   由于从这些pretrained网络抽出来的deep feature有良好的generalization的能力，可以应用到其他不同的CV问题，而且比传统的hand-craft feature如SIFT，bag of word要好一大截，所以得到广泛应用。目前大部分的high-level vision相关的问题，都是利用基于CNN的方法了。

   最近出现蛮多论文，里面在benchmark上面的比较是自己方法的核心网络换成resnet，然后去比别人基于vgg或者alexnet的方法，自然要好不少。

   对于某个CV的问题，选一个优秀的核心网络作为基础，然后fine-tune, 已经是套路。fine-tune的原因一是训练AlexNet等网络需要imagenet, places等million级别的数据，一般的CV任务都没有这么多数据。二是因为pre-trained model本身的feature已经足够generalizable，可以立刻应用到另外一个CV任务

   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, 大大减少了模型大小，本身的网络套网络的结构，也激发了后来的GoogLeNet里面的各种sub-network和inception结构的设计

   ResNet：这个网络跟前面几个网络都不同。

   这里潜在的一个问题是这些CNN网络都是在ImageNet上面1.2million数据训练出来的，很难分析是否数据源本身会对CNN造成影响

1. VGGNet

   就用一个课件来说明吧，VGGNet从原理上来看其实也不是很复杂：

2. ResNet

   看这篇文章：https://blog.csdn.net/lanran2/article/details/79057994

3. LeNet

   这种比较简单的都只用图片示意了：

   

   来源：https://www.jianshu.com/p/58168fec534d

   • 输入尺寸是32*32像素
   • 卷积层：3个
   • 降采样层：2个
   • 全连接层：1个
   • 输出：10个类别（数字0-9的概率）

4. AlexNet

   看这篇文章吧：https://my.oschina.net/u/876354/blog/1633143

   许多tricks,例如dropout、overlapping pooling等都是在这个网络中使用的

   一幅图来总结下: