说一说你对LeNet、ImageNet、AlexNet、VG

[问答题]

说一说你对LeNet、ImageNet、AlexNet、VGG、GoogLeNet、ResNet、DenseNet的了解（要包含其亮点和适用场景）。

牛客Cver

LeNet网络:主要用于识别10个手写邮政编码数字，5*5卷积核，stride=1，最大池化。引入Group群卷积概念，最早是为了应对训练时硬件限制问题，额外的好处是减少参数，抑制过拟合.

ImageNet：这个项目是一个用于视觉对象识别软件研究的大型可视化数据库。超过1400万的图像URL被ImageNet手动注释，以指示图片中的对象。

AlexNet:AlexNet网络8层网络结构 5conv +5pooling +3fc+1000output class。Alexnet有一个特殊的计算层——LPN层，功能是对当前层的输出结果做平滑处理。

VGG:由5层卷积层、3层全连接层、softmax输出层构成。两个3x3的卷积层连在一起可视为5x5的filter，三个连在一起可视为一个7x7的卷积核，这种做法减少了参数，增加了网络的非线性映射，增多了网络的拟合表达能力。

GooleLeNet:Googlenet的核心思想是inception，通过不垂直堆砌层的方法得到更深的网络.

ResNet:设计了“bottleneck”形式的block（有跨越几层的直连）用全局平均池化GAP代替全连层FC，解决全连接层参数冗余的问题，但FC的优势在于在迁移学习中可改善微调的效果。

DenseNet:是在相同的特征层的形状下直接连接两层。DenseNet可以自然放大到上百层而不会有优化的困难。结合了identity mapping属性、深度监督和多样深度。它们使得通过网络的特征重复利用和学到更紧凑，根据实验结果，更加高精度的模型。因为简洁的内部表示和特征冗余的减少，densenets对于很多计算机视觉任务是很棒的特征提取者。

发表于 2020-02-12 14:16:53 回复(0)