经典卷积神经网络模型

1.AlexNet

       AlexNet模型是通过2个GPU同时运行，该模型包括：5个卷积层，3个全连接层。其中，在第1、2卷积层后有LRN层(Local Response Normalization,局部响应归一化)，在LRN层和第5卷积层后有最大池化层。

       AlexNet相对于之前模型(LeNet)的改进：

       1）使用ReLU函数替代了Sigmoid函数作为神经元的激活函数，减缓了梯度弥散的问题。

       2）使用两个GPU进行并行运算，加速模型的训练周期。

       3）加入LRN层，增加模型泛化能力（似乎在后面的发展中证明LRN没什么作用，于是又基本不用了）

       4）使得池化层的size大于strides，造成赤化重叠。

       5）数据增强。取图片四个角和中心部位的部分图片作为新的训练集，或者改变图片RGB通道强度(intensities of the RGB channels)。这样训练集中的一张图片就可以变为多张图片，增加模型的泛化能力，减少过拟合。

       6）加入Dropout。模型中的一些神经元在训练阶段有概率的失效，也即是输出为0，不再参与前向和后向传播，但是在测试阶段中每个神经元都输出，不过会将输出乘以0.5。

参考文献：ImageNet Classification with Deep Convolutional Neural Networks

2.VGGNet

        VGGNet主要解决了CNN中的深度问题。相比较之前的卷积网络使用的11x11,7x7的卷积核，VGGNet使用多层更小的卷积核来替代。例如用两层卷积核为3x3的卷积层来替代一层卷积核为5x5的卷积层，用三层卷积核为3x3的卷积层来替代一层卷积核为7x7的卷积层，这样网络就会变深。之所以这样做是因为：

• 增加层数后可以增加模型非线性，使得决策函数更加有识别能力。
• 减少参数数量

        模型初始化方法：上图展示了VGGNet中有多种模型，网络层数由11层逐渐发展到19层。但在深层网络中参数初始化值的选定很重要，因为深层网络的梯度很不稳定，糟糕的模型初始化会使得模型效果不好。因此，VGGNet的发明者们先用较浅的网络模型（11层，随机初始化）进行训练（浅网络随机初始化不易出问题），得到稳定的参数，再将这些参数直接赋予更深网络模型作为初始值（主要赋给前四层卷积层和后三层全连接层，中间层随机初始化）。

文献链接：Very Deep Convolutional Networks for Large-scale Image Recognition

3.InceptionNet

      InceptionNet其实是一个统称，主要包括VI,V2,V3,V4四代模型。

• Inception V1：用到了Network in Network思想，构建出Inception模块。

         

        我们知道，一个滤波器只能提取一类特征。而Inception V1模块中对同一输入进行四种不同的卷积变换，相当于在一层中获得不同的特征，从而使得每个模块输出的结果中包含更多的feature，增加了网络对不同尺度的适应性。模块中大量使用了1x1卷积，是因为1x1卷积可以用很小的计算量增加一层特征变换和非线性化。

        Inception V1也用到了数据增强，主要步骤是：将原始图片缩放成256,288,320和352四种尺寸，并分别从左，中，右（或上，中，下）各取一张图片，再从这些取出的图片的四个角和中心部分取出224x224的部分，并将其分别翻转再得到其镜像，且将原始图片缩放到224x224，得到新的图片及其镜像。这样一张原始图片就可以得到3x4x6x2=144张新的图片，降低模型过拟合问题。

• Inception V2：提出了Batch Normalization方法，对每一层的激活函数的输入进行normalization处理。
• Inception V3：引入Factorization into small convolutions的思想，将3x3卷积拆成了1x3和3x1卷积，减少了参数数量，增加了一层非线性扩展模型表达能力。
• Inception V4：在V3的基础上结合了ResNet。

参考文献:  Inception V1-->Going Deeper With Convolutions

                  Inception V2-->Batch Normalization:Accelerating Deep Network Training by Reducing Internal Covariate Shift

4.ResNet

        ResNet模型主要解决的是深层神经网络模型中出现的degradation，即随着层数的加深，模型准确率反而下降了。解决方法是引进了残差学习模块(residual learning)。

                                                                   

        与一般的神经网络不同的是，残差模块中添加了一条shortcut connection，直接将输入x与模块的输出F(x)相加。ResNet直接将输入信息传给输出，一定程度上保护了信息的完整性，同时简化了学习目标和难度。

        当F(x)和x维度不同时，主要有两种解决方法：1.对x进行填0操作，这种方法不额外增加参数 2.对x进行一个线性映射，即x-->Wx，这种方法增加了模型复杂度，但是在性能上稍微有所改善。

        残差学习模块还有三层的结构(也称Bottleneck Residual Unit)：

                                                                           

        其中，1x1卷积层的作用是先降维后升维，使得中间的3x3卷积层的输入和输出的维度较小。三层残差学习模块主要用在Deep Bottleneck Architectures中，这种瓶颈设计主要是从实际节约的角度考虑，在性能上相差不大。

参考文献：Deep Residual Learning for Image Recognition

        

         残差模块可表示为：y=h(x)+F(x,w)

                                           x=f(y)

         当模块中的shortcut为恒等映射，即h(x)=x,此时网络模型更加容易训练，且错误率也是最低的。

                                    

             

      而当模块中BN+ReLU在weight层前面时，模型的错误率也是最低的。

       因此，可得结论：shortcut为恒等映射以及BN，激活函数在weight层前面对于模型中信息的传播很重要，可提高模型训练效率和降低错误率。即可对ResNet单元做以下处理：

                                                  

参考文献：Identity Mappings in Deep Residual Networks