首页 > 其他分享 >经典卷积神经网络结构:LeNet-5、AlexNet、VGG

经典卷积神经网络结构:LeNet-5、AlexNet、VGG

时间:2023-04-27 11:24:13浏览次数:41  
标签:输出 卷积 VGG 28 步长 valid 池化 LeNet AlexNet

LeNet-5

LeNet-5模型是专门为手写数字识别而设计的经典卷积神经网络。

从上图可以看出,LeNet-5总共由输入层、卷积层、池化层、卷积层、池化层、全连接层、全连接层、输出层组成。

1、输入层:一张32*32的灰度图像,只有一个颜色通道,深度为1。

2、卷积层:将输入与6个高为5,宽为5,深度为1的卷积核进行valid卷积。由于输入是灰度图,所以卷积核的深度也为1;又由于是valid卷积,步长为1,所以卷积后的结果为,高为28,宽为28,深度为6。28=(32-5)/步长1+1。

same卷积的尺寸与原尺寸(非卷积核尺寸)一致,即卷积层若为same卷积,输出的尺寸应该为32*32。

 3、池化层:对2中卷积层输出的28*28*6的抽象矩阵进行valid最大值池化操作,使用6个2*2大小的矩阵进行valid最大值池化处理,步长为2,池化层的输出结果为14*14*6的矩阵。14=(28-2)/2+1。

池化不改变层数。

4、卷积层:将3中池化层的输出与16个大小为5*5*6的卷积核进行valid卷积,步长为1,输出结果是10*10*16。

5、池化层:对4的输出结果进行valid最大值池化,步长为2,池化窗口为2*2的操作,输出矩阵的维度为5*5*16。

6、全连接层:将5输出的矩阵拉直成一维向量,这个向量的长度为5*5*16=400。将该向量经过一个全连接神经网络处理,该全连接网络共有2个隐含层,其中输入层由400个神经元,第1个隐含层有120个神经元,第2个隐含层有84个神经元。

7、输出层。

VGG

VGG模型主要通过不断加深网络结构来提升模型性能。

标签:输出,卷积,VGG,28,步长,valid,池化,LeNet,AlexNet
From: https://www.cnblogs.com/peak213/p/17358432.html

相关文章

  • 深度学习--实战 LeNet5
    深度学习--实战LeNet5数据集数据集选用CIFAR-10的数据集,Cifar-10是由Hinton的学生AlexKrizhevsky、IlyaSutskever收集的一个用于普适物体识别的计算机视觉数据集,它包含60000张32X32的RGB彩色图片,总共10个分类。其中,包括50000张用于训练集,10000张用于测试......
  • VGG16模型-tensorflow实现的架构
    importtensorflowastffromtensorflow.keras.modelsimportSequentialfromtensorflow.keras.layersimportInputLayer,Dense,Flatten,Conv2D,MaxPooling2Dfromtensorflow.keras.optimizersimportAdamdefbuild_vgg16(input_shape,num_classes):model......
  • 网络解析(一):LeNet-5详解
    一、前言LeNet-5出自论文Gradient-BasedLearningAppliedtoDocumentRecognition,是一种用于手写体字符识别的非常高效的卷积神经网络。本文将从卷积神经网络结构的基础说起,详细地讲解每个网络层。论文下载:请到文章结尾处下载。我为大家准备了超详细的学习资料,算法工程师的......
  • LeNet详解
    LeNet详解 LeNet-5是一个较简单的卷积神经网络。下图显示了其结构:输入的二维图像,先经过两次卷积层到池化层,再经过全连接层,最后使用softmax分类作为输出层。关于CNN参见:https://blog.csdn.net/qq_42570457/article/details/81458077    LeNet-5这个网络虽然很小,但是......
  • 深度学习经典网络模型汇总——LeNet、AlexNet、ZFNet、VGGNet、GoogleNet、ResNet【对
    文章目录LeNetAlexNetZFNetVGGNetGoogleNetResNet先来看一下我们要讲述哪些经典的网络模型,如下:LeNet:最早用于手写数字识别的CNN网络AlexNet:2012年ILSVRC比赛冠军,比LeNet层数更深,这是一个历史性突破。ZFNet:2013年ILSVRC比赛效果较好,和AlexNet类似。VGGNet:2014年ILSVRC比赛分类......
  • 基于pytorch搭建VGGNet神经网络用于花类识别
    文章目录基于pytorch搭建VGGNet神经网络用于花类识别写在前面VGGNet网络模型搭建训练结果展示小结 基于pytorch搭建VGGNet神经网络用于花类识别写在前面  上一篇写过基于pytorch搭建AlexNet神经网络用于花类识别项目实战,建议阅读此篇前先弄明白上篇所述之事......
  • VGG16模型
    VGG16模型,权重由ImageNet训练而来该模型可同时构建于channels_first(通道,高度,宽度)和channels_last(高度,宽度,通道)两种输入维度顺序。模型的默认输入尺寸是224x224(一)模型参数keras.applications.vgg16.VGG16(include_top=True,#是否保留顶层的3个全连接网络weights='im......
  • 深度学习—AlexNet_CIFAR100代码
        1#导入所需的包2importtorch3#importwandb4importtorch.nnasnn5fromtorchvisionimporttransforms6fromtorch.utils.dataimportDataLoader7fromtorchvision.datasetsimportCIFAR10089#使用Compose容器组合定义图......
  • 深度学习—VGG16_CIFAR100代码
     1#导入所需的包2importtorch3#importwandb4importtorch.nnasnn5fromtorchvisionimporttransforms6fromtorchvision.datasetsimportCIFAR1007fromtorch.utils.dataimportDataLoader89#使用Compose容器组合定义图像预处理方......
  • m基于AlexNet神经网络和GEI步态能量图的步态识别算法MATLAB仿真
    1.算法描述        AlexNet是2012年ImageNet竞赛冠军获得者Hinton和他的学生AlexKrizhevsky设计的。也是在那年之后,更多的更深的神经网络被提出,比如优秀的vgg,GoogLeNet。这对于传统的机器学习分类算法而言,已经相当的出色。Alexnet网络模型于2012年提出。它具有更高维......