标签归档：CNN

卷积神经网络模型

发表评论

本文我们开始介绍Coursera-Deep Learning第四课卷积神经网络的week2的内容：深度卷积神经网络模型。

上文我们介绍了卷积神经网络的基本原理，但那只是最基本的模型，在此基础上又诞生了很多变种，它们在性能上都比最基本的模型要好，当然也更复杂。今天我们就介绍一些常见的卷积神经网络模型，主要有以下几种：LeNet-5, AlexNet, VGG-16, ResNet(残差网络)和Inception，其中前三者属于经典模型。

  • LeNet-5

    LeNet-5这个模型是由深度学习大神Yann LeCun于1998年在其发表一篇名为Gradient-Based Learning Applied to Document Recognition的论文中被首次提出的，可以说LeCun大神是CNN的开山鼻祖了，也有人称之为卷积网络之父。LeNet-5的名字就取自于LeCun，而5表示这个模型一共有5层，分别是两个卷积层和两个全连接层，还有一个输出层用于分类。他的结构如下：

    Imgur
    他有什么特点呢？

    • 输入图像只有单通道，也就是黑白图片
    • 没有采用padding技术，所以卷积的图[……]

      继续阅读

卷积神经网络

发表评论

从本文开始我将会总结Coursera-Deep Learning第四课的内容：Convolutional Neural Networks，卷积神经网络。

引言

先看下这门课的大纲，分为以下四个部分：

  • Week1: Foundations of Convolutional Neural Networks
  • Week2: Deep convolutional models: Case Studies
  • Week3: Object detection
  • Week4: Special applications: Face recognition & Neural style transfer

看了大纲之后，与其说这门课讲的是卷积神经网络，不如说是在讲深度学习在计算机视觉（Computer Vision）中的应用。因为CNN的知识并没有那么多，一周时间的讲解就足够了。而后面的三周课则会先介绍几个当下比较流行的卷积神经网络模型，比如AlexNet,VGG,ResNet等。最后两周则会介绍如何通过一些高效算法去实现目标检测（Object Detection）和人脸识别（Face[……]

继续阅读