深度学习之AlexNet模型
来源:互联网 发布:homer软件下载 编辑:程序博客网 时间:2024/05/21 17:00
深度学习之AlexNet模型
一、模型介绍
2012年,Alex在ILSVRC竞赛中,刷新了Image Classfication的记录,一举奠定了Deep learning在计算机视觉中的地位。此次竞赛中Alex使用的模型被称为AlexNet模型。
AlexNet网络的基本结构如下图所示:
二、模型解读
AlexNet共有八层,有60M以上的参数量。其前五层是卷积层,后三层是全连接层。最后一个全连接层的输出具有1000个输出的softmax。网络最后的优化目标是最大化平均的multinomial logistic regression。
1、第一个卷积层conv1,AlexNet采用了96个11 * 11 * 3的kernel。在stride为4的情况下对于224 * 224 * 3的图像进行了滤波。换句话说,就是采用了11 * 11的卷积核在3个颜色通道上,步长为4对图像进行了卷积操作。
最初的输入神经元的个数为224 * 224 * 3 = 150528个。对于每一个map来说,间隔为4,因此224/4 = 56,然后减去边缘的一个为55个,也就是本层的map大小为55 * 55。因此,神经元数目为55 * 55 * 96 = 290400。
得到基本的卷积数据后,先进行一次Relu(relu1)以及Norm(norm1)变换,然后进行pooling(pool1),作为输出传递到下一层。本层的feature map数目为96个。
2.conv2
3.conv3
4.conv4
5.conv5
6.fc1
7.fc2
8.fc3
Reference:
1.http://blog.csdn.net/sunbaigui/article/details/39938097
2.《深度学习-Caffe之经典模型详解与实战》
- 深度学习之AlexNet模型
- 深度学习之Alexnet模型
- 深度学习之基础模型---AlexNet
- 深度学习网络模型AlexNet
- [caffe]深度学习之图像分类模型AlexNet解读
- [caffe]深度学习之图像分类模型AlexNet解读
- [caffe]深度学习之图像分类模型AlexNet解读
- [caffe]深度学习之图像分类模型AlexNet解读
- [caffe]深度学习之图像分类模型AlexNet解读
- [caffe]深度学习之图像分类模型AlexNet解读
- 深度学习之图像分类模型AlexNet解读
- [caffe]深度学习之图像分类模型AlexNet解读
- [caffe]深度学习之图像分类模型AlexNet解读
- [caffe]深度学习之图像分类模型AlexNet解读
- 深度学习之图像分类模型AlexNet各层解读
- 深度学习之图像分类模型Alexnet解读
- [caffe]深度学习之图像分类模型AlexNet解读
- 深度学习之AlexNet解读
- 机器翻译
- form表单提交之前的非空验证
- CentOS7 USB 启动/安装出现 dracut-initqueue timeout问题
- [Codeforces343D] Water Tree 树链剖分
- windows配置thrift开发环境
- 深度学习之AlexNet模型
- 考试2 矩阵填充
- 2017.1.21
- l0-Norm, l1-Norm, l2-Norm, … , l-infinity Norm
- 详解Unity3D Shader开发之渲染管线
- Android中按返回键退出应用程序
- Eclipse安装FindBugs插件
- Android动态加载之ClassLoader详解
- 2017.1.22