本系列博客包括6个专栏，分别为：《自动驾驶技术概览》、《自动驾驶汽车平台技术基础》、《自动驾驶汽车定位技术》、《自动驾驶汽车环境感知》、《自动驾驶汽车决策与控制》、《自动驾驶系统设计及应用》，笔者不是自动驾驶领域的专家，只是一个在探索自动驾驶路上的小白，此系列丛书尚未阅读完，也是边阅读边总结边思考，欢迎各位小伙伴，各位大牛们在评论区给出建议，帮笔者这个小白挑出错误，谢谢！
此专栏是关于《自动驾驶汽车环境感知》书籍的笔记
4.典型卷积神经网络
4.1 简介
现有卷积神经网络分类：基于空间、深度、多路、宽度、特征通道、注意力等结构；
常见的卷积神经网络：LeNet、AlexNet、VGGNet、GoogleNet、ResNet、DenseNet、SENet等；
4.2 LeNet
- LeNet由Yann LeCun在1998年提出，是最早出现的第一代卷积神经网络；
- 网络结构：
- 输入图像：单通道的 28 × 28 28\times28 28×28大小的图像，矩阵表示 [ 1 , 28 , 28 ] [1,28,28] [1,28,28]；
- 第一个卷积层conv1的卷积核尺寸 5 × 5 5\times5 5×5，滑动步长为1，卷积核数目20，经过该层后图像的尺寸变为 24 ( 28 − 5 + 1 = 24 ) 24(28-5+1=24) 24(28−5+1=24)，输出矩阵为 [ 20 , 24 , 24 ] [20,24,24] [20,24,24]；
- 第一个池化层pool核尺寸为 2 × 2 2\times2 2×2，步长2，池化操作后图像尺寸减半，变为 12 × 12 12\times12 12×12，输出矩阵为 [ 20 , 12 , 12 ] [20,12,12] [20,12,12]；
- 第二个卷积层conv2的卷积核尺寸为 5 × 5 5\times5 5×5，步长为1，卷积核数目为50，卷积后图像尺寸变为8， 12 − 5 + 1 = 8 12-5+1=8 12−5+1=8，输出矩阵 [ 50 , 8 , 8 ] [50,8,8] [50,8,8]；
- 第二个池化层pool2核尺寸为 2 × 2 2\times2 2×2，步长为2，池化操作后图像尺寸减半，变为 4 × 4 4\times4 4×4，输出矩阵为 [ 50 , 4 , 4 ] [50,4,4] [50,4,4]；
- pool2后面接全连接层fc1，神经元数目为500，再接ReLU激活函数；
- 再接fc2，神经元个数为10，得到10维的特征向量，用于10个数字的分类训练，送入softmax分类，得到分类结果的概率输出；
4.3 AlexNet
- 2012年Hinton及学生Alex Krizhevsky提出AlexNet，是第一个现代深度卷积网络模型；
- 首次使用了现代深度卷积网络的技术方法，如：使用GPU进行并行训练、采用ReLU作为非线性激活函数、使用dropout防止过拟合、使用数据增强提高模型准确率；
- AlexNet结构：5个卷积层、3个全连接层、1个softmax层；
4.4 VGGNet
- VGGNet采用更小的卷积核与更深的网络提升参数效率；
- VGGNet泛化性能好，常用于图像特征抽取、目标检测候选框的生成等；
- VGGNet参数量巨大；
4.5 其他常见CNN网络
- GoogleNet；
- ResNet；
- DenseNet；
- SENet；
注：本文只是做简单了解，需要深入了解各种CNN网络的读者请阅读其它专门介绍这些网络的书籍、文章等。
标签：24,12,20,--,28,50,卷积 来源： https://blog.csdn.net/qq_39032096/article/details/121911518
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。