cnn 经典网络结构 解析

Posted 2021-11-24 yanshw

cnn发展史

这是imageNet比赛的历史成绩

可以看到准确率越来越高，网络越来越深。

加深网络比加宽网络有效的多，这已是公认的结论。

 

cnn结构演化图

 

 

AlexNet

诞生于2012年，因为当时用了两个GPU（硬件设备差），所以结构图是2组并行

网络结构总共8层，5个卷积层，3个全连接层，最后输出1000个分类

 

分层结构图

简单解释如下：

conv1：输入为224x224x3，96个shape为11x11x3的卷积核，步长为4，输出55x55x96的特征图，(224-11)/4+1，paddig为valid，故等于55，relu，池化，池化视野3x3，步长为2，这个池化稍有不同，后面解释，然后，lrn，局部归一化，后面解释，输出27x27x96　　（这里输入的224在卷积时计算不方便，后来改成了227）

conv2 conv3 conv4 conv5基本类似

fc6：将输出6x6x256展开成一维9216，接4096个神经元，输出4096个值，dropout，还是4096个值

fc7：写的有些问题，第一个框内应该是4096，不打紧

fc8：输出1000个类别

 

注意几点

1. 重叠池化：一般情况下，我们的池化视野和步长是一样的，但是这里池化视野大于步长，这样就有重叠，故称为重叠池化

2. 局部响应归一化：虽然relu不会梯度饱和，但是笔者认为lrn可以提高模型的泛化能力

 

AlexNet较之前网络的改进

1. 网络变深

2. relu激活函数

3. 数据增强

　　通俗理解就是准备更多更全的数据

　　// 法1：平移图像和水平翻转图像，从原始的256x256的图像中随机提取227x227的块，并且水平翻转，作为训练数据

　　// 法2：改变训练图像的RGB通道的强度。特别的，本文对整个ImageNet训练集的RGB像素值进行了PCA。对每一幅训练图像，本文加上多倍的主成分，倍数的值为相应的特征值乘以一个均值为0标准差为0.1的高斯函数产生的随机变量。

4. dropout

　　// 以一定的概率将神经元的输出置为0，就是忽略该神经元的存在，既不前向传递，也不反向传播，这是AlexNet很大的一个创新。

数据增强和dropout都是防止过拟合的。

 

VGG

诞生于2014年

 

 上图是VGG16--黑色框+蓝色框=16

 

上图为VGG19

 

 VGG共有6种结构，常用的是D和E，即VGG16和VGG19

VGG网络结构非常规则，共分为5组卷积，每组卷积都使用3x3的卷积核，卷积后都使用2x2的max池化，最后接3个全连接

可以看到C网络的最后3个卷积使用了1x1的卷积，这是什么意思呢?

1x1的卷积其实是对特征的线性变换，主要用来综合特征，这个方法后来被推广解决多种问题。

 

VGG的优点

1. 使用较小的卷积核，使得参数更少，网络更深

2. 卷积层的堆叠，这样做一可以保证感受视野，即2个3x3的感受野堆叠相当于一个5x5，二是经过多个非线性转换，提取特征的能力更强

3. VGG在训练时，先训练简单的如A网络，然后用A网络的参数（卷积和全连接）初始化后面的复杂网络，更快收敛

4. VGG认为lrn作用不大，去掉了lrn

VGG虽然网络更深，但比AlexNet收敛更快

缺点是占用内存较大

 

VGG的数据处理

1. 数据标准化

2. 数据增强采用Multi-Scale方法。将原始图像缩放到不同尺寸S，然后再随机裁切224′224的图片，这样能增加很多数据量，对于防止模型过拟合有很不错的效果。实践中，作者令S在[256,512]这个区间内取值，使用Multi-Scale获得多个版本的数据，并将多个版本的数据合在一起进行训练。

 

VGG16的卷积代码

conv1_1 = self._conv_layer(x, 3, 64, "conv1_1")
conv1_2 = self._conv_layer(conv1_1, 64, 64, "conv1_2")
pool1 = self._max_pool(conv1_2, "pool1")

conv2_1 = self._conv_layer(pool1, 64, 128, "conv2_1")
conv2_2 = self._conv_layer(conv2_1, 128, 128, "conv2_2")
pool2 = self._max_pool(conv2_2, "pool2")

conv3_1 = self._conv_layer(pool2, 128, 256, "conv3_1")
conv3_2 = self._conv_layer(conv3_1, 256, 256, "conv3_2")
conv3_3 = self._conv_layer(conv3_2, 256, 256, "conv3_3")
pool3 = self._max_pool(conv3_3, "pool3")

conv4_1 = self._conv_layer(pool3, 256, 512, "conv4_1")
conv4_2 = self._conv_layer(conv4_1, 512, 512, "conv4_2")
conv4_3 = self._conv_layer(conv4_2, 512, 512, "conv4_3")
pool4 = self._max_pool(conv4_3, "pool4")

conv5_1 = self._conv_layer(pool4, 512, 512, "conv5_1")
conv5_2 = self._conv_layer(conv5_1, 512, 512, "conv5_2")
conv5_3 = self._conv_layer(conv5_2, 512, 512, "conv5_3")
pool5 = self._max_pool(conv5_3, "pool5")

 

GoogleNet

诞生于2014年，和VGG一同出道，当时是第一名，VGG是第二名，但因其结构复杂，所以没有VGG更常用。

网络太过复杂，不多解释了，这个网络估计也很少被用到。

但是 googlenet 有个很大的创新点，并且被后来很多网络借鉴，就是 global average pooling

global average pooling 一般放在网络最后，替代全连接层。

因为全连接层参数太多，占整个模型参数的比例可以高达90%左右，很难训练，而且参数太多，没有合适的正则化方法，很容易过拟合

global average pooling 做法很简单，就是对每个feature map取全局average，然后每个feature变成了一个数，然后最后接了一个 输出层fc网络

为什么这样，我以后会讲

 

ResNet

ResNet就借鉴了上面的global average pooling

详见我的博客 https://www.cnblogs.com/yanshw/p/10576354.html

 

 

 

参考资料：

https://blog.csdn.net/Sakura55/article/details/81559881

https://blog.csdn.net/siyue0211/article/details/80092531

https://blog.csdn.net/xbinworld/article/details/61210499

https://blog.csdn.net/ziyouyi111/article/details/80546500   　　vgg16结构图

https://blog.csdn.net/loveliuzz/article/details/79080194　　　cnn结构详细教程

https://blog.csdn.net/dcrmg/article/details/79254654　　　　vgg网络结构