一文總結(jié)經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)CNN模型

一般的DNN直接將全部信息拉成一維進(jìn)行全連接，會丟失圖像的位置等信息。

CNN（卷積神經(jīng)網(wǎng)絡(luò)）更適合計(jì)算機(jī)視覺領(lǐng)域。下面總結(jié)從1998年至今的優(yōu)秀CNN模型，包括LeNet、AlexNet、ZFNet、VGG、GoogLeNet、ResNet、DenseNet、SENet、SqueezeNet、MobileNet。在了解巨佬們的智慧結(jié)晶，學(xué)習(xí)算法上的思路和技巧，便于我們自己構(gòu)建模型，也便于我們做遷移學(xué)習(xí)。

在觀看了斯坦福的CS231n課程視頻和同濟(jì)子豪兄的視頻后很有感悟，但在csdn發(fā)現(xiàn)沒有類似詳細(xì)的總結(jié)，希望幫到一些小白，搭配子豪兄的視頻食用更佳哦。

• 卷積可以 提取原圖中符合卷積核特征的特征，賦予神經(jīng)網(wǎng)絡(luò) 局部感受野，權(quán)值共享（卷積核是共享的）。
• 池化（下采樣）目的是 減少參數(shù)量、防止過擬合、平移不變性（原圖像平移不改變模型判斷結(jié)果）

模型總結(jié)的主線以歷年ImageNet競賽的優(yōu)秀模型為主。

想高效入門深度學(xué)習(xí)的童鞋可以康康這篇哦：《一文極速理解深度學(xué)習(xí)》

其中一些經(jīng)典模型的代碼實(shí)現(xiàn)可以康康這篇！《經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)Python,TensorFlow全代碼實(shí)現(xiàn)》

LeNet

1998年提出的模型，為了識別手寫數(shù)字。7層CNN，網(wǎng)絡(luò)結(jié)構(gòu)就是 卷積池化+卷積池化+3層全連接

為了節(jié)省運(yùn)算，不是所有通道都參與下一個(gè)卷積運(yùn)算。

輸出層不是用softmax，而是用了高斯連接。

采用了 Sigmoid / tanh 激活函數(shù)。

AlexNet

總結(jié)網(wǎng)絡(luò)結(jié)構(gòu)與LeNet差不多，但有更深的模型，更多卷積核，且處理的是自然圖像，而不是手寫數(shù)字。是ImageNet 2012年的winner，首次使用CNN，精度大幅提升，具有跨時(shí)代意義，之后所有CV領(lǐng)域的模型都是基于卷積神經(jīng)網(wǎng)絡(luò)。

原論文圖中輸入應(yīng)該是227*227*3，原論文有誤。因?yàn)楫?dāng)時(shí)GPU內(nèi)存不夠，所以用2個(gè)GPU，每個(gè)GPU有48個(gè)卷積核，將模型并行計(jì)算。

卷積池化歸一化統(tǒng)一算一層卷積層，因?yàn)槌鼗蜌w一化沒有參數(shù)，所以是8層CNN。

參數(shù)量有6千萬，比LeNet多了3個(gè)數(shù)量級。

NORM層是局部響應(yīng)歸一化層，現(xiàn)在很少用了，現(xiàn)在用Batch Normalization挺好的。

AlexNet使用了ReLU激活函數(shù)，Softmax輸出層，最大池化，使用了圖像數(shù)據(jù)增強(qiáng)，使用了Dropout（0.5），還用7個(gè)類似的模型進(jìn)行了模型集成（精度提高了2.8%）。

核心創(chuàng)新點(diǎn)：

ZFNet

ImageNet競賽2013年冠軍。結(jié)構(gòu)跟AlexNet沒有本質(zhì)區(qū)別，也是8層CNN，主要進(jìn)行了超參數(shù)的優(yōu)化，就是改改卷積的大小和步長。

但是他們這篇論文的核心貢獻(xiàn)點(diǎn)是可視化神經(jīng)網(wǎng)絡(luò)，提出了反卷積、反池化、反激活，把feature map重構(gòu)回原始輸入空間，從而我們能直觀看到底層的卷積核提取底層的邊緣、顏色，越到高層卷積核提取的特征就越抽象和復(fù)雜，直觀地理解CNN提取了哪些特征和特征的重要些。

VGG

2014年ImageNe分類競賽亞軍，但是在一個(gè)定位競賽中是冠軍。

VGG創(chuàng)新地只用了3*3卷積核，并將網(wǎng)絡(luò)加深。

一共5個(gè)block，每個(gè)block有卷積和池化。VGG16表示共16個(gè)帶參數(shù)的層，還有個(gè)VGG19，只是在最后3個(gè)block分別加了一個(gè)卷積層。

主要的點(diǎn)是發(fā)揮了感受野的重要性，因?yàn)?層3*3卷積的感受野與1層7*7的卷積的感受野相同（2層3*3卷積的感受野與1層5*5的卷積的感受野相同），但3層3*3卷積會帶來更少的參數(shù)、更深的網(wǎng)絡(luò)、更多非線性變換。

但參數(shù)有點(diǎn)臃腫

GoogLeNet （InceptionNet）

2014年ImageNe分類競賽冠軍。

之前的網(wǎng)絡(luò)結(jié)構(gòu)主要是堆疊卷積池化，GoogLeNet網(wǎng)絡(luò)創(chuàng)新提出Inception module，主要堆疊這個(gè) Inception module。

本質(zhì)是多尺度并行卷積和池化（1*1，3*3，5*5）.因?yàn)橛袝r(shí)圖像中重點(diǎn)區(qū)域大小不一樣（比如小狗的近照和遠(yuǎn)照），多個(gè)卷積核運(yùn)算賦予同一張圖不同感受野，充分地提取出圖像特征。

問題來了，這樣子將feature map直接摞起來，會越來越厚，計(jì)算量會非常大。

解決方法：1*1卷積

好處：升維或降維、跨通道信息交融、減少參數(shù)量、增加模型深度（提高非線性能力）。

子豪兄的這頁P(yáng)PT總結(jié)得非常好：

在 network in network 這篇論文中提出1*1卷積的重要性，（a）說明了28*28*256的輸入經(jīng)過32個(gè)5*5卷積，共需要201.8K個(gè)參數(shù)；（b）說明了28*28*256的輸入先經(jīng)過16個(gè)1*1卷積降維，再經(jīng)過32個(gè)5*5卷積升維，得到同樣大小的輸出，但是只需要16.9K個(gè)參數(shù)，且增加了模型深度，充分說明了1*1卷積的好處。

經(jīng)過改進(jìn)：

參數(shù)少了很多，不錯(cuò)。

最終GoogLeNet網(wǎng)絡(luò)結(jié)構(gòu)（Deeper networks, with computational efficiency）：
總共22個(gè)帶參數(shù)的層 (并行的算1層)

ResNet

2015年是神仙打架的一年，真正開啟了深度神經(jīng)網(wǎng)絡(luò)，CNN也是這一年超越了人類圖像分類的水平。ResNet就是2015年ImageNet競賽的冠軍，由何凱明團(tuán)隊(duì)提出，當(dāng)時(shí)在圖像分類、語義分隔、定位等方面均戰(zhàn)勝了歷年來所有的模型，大喊一聲：還有誰！

下面好好了解一下這個(gè)masterpiece。

首先當(dāng)時(shí)的理念是網(wǎng)絡(luò)層數(shù)不是越深越好。主要是梯度消失和網(wǎng)絡(luò)退化現(xiàn)象

ResNet創(chuàng)新地提出 殘差模塊（Residual block）：
核心思想就是在深層網(wǎng)絡(luò)中卷積的輸出等于淺層網(wǎng)絡(luò)的結(jié)果加上殘差，殘差就是經(jīng)過深層網(wǎng)絡(luò)訓(xùn)練的結(jié)果，如果經(jīng)過深層網(wǎng)絡(luò)訓(xùn)練得到0，那么輸出也是淺層網(wǎng)絡(luò)的結(jié)果，至少模型不會變差，所以堆疊多個(gè)殘差模塊的結(jié)果必然是比淺層模型更好的。

所以ResNet網(wǎng)絡(luò)可以瘋狂加深，總層數(shù)可以為34、50、101或152層。

• 用了步長為2的卷積代替池化。
• 用了MSRA初始化
• 用了Batch normalization，激活函數(shù)是 SGD+Momentum（0.9）
• 用了Global Average Pooling（GAP），大量節(jié)省了參數(shù)。

DenseNet

2017 CVPR最佳paper。
Dense Block（每一層都與前面層相連）：

SENet

2017年（最后一屆）ImageNet競賽冠軍，由胡杰團(tuán)隊(duì)提出。

SENet的核心就是自適應(yīng)學(xué)習(xí)得到每個(gè)feature map通道的權(quán)重。
基于GAP（Global Average Pooling）去提取U中每個(gè)通道的權(quán)重，然后再把U和權(quán)重乘起來。它可以集成在任何網(wǎng)絡(luò)的后面（Inception、resnet等）。

SqueezeNet

由巨佬Song Han提出，主要為了保持精度的同時(shí)壓縮模型。

MobileNet

重點(diǎn)也是壓縮模型，為了使AI模型在邊緣的移動設(shè)備上運(yùn)行（邊緣計(jì)算）。
核心是讓每個(gè)通道分別用不同的卷積核卷積，再用1*1卷積跨通道融合特征。

小總結(jié)

很好的模型總結(jié)圖！