《表1 相关深度神经网络的总结》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《分类激活图增强的图像分类算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

1998年，Lecun等人提出了神经网络的基本结构LeNet[12]，应用在了手写数字识别上。2012年，Krizhevsky等人提出了8层的AlexNet[4]利用GPU加速，在大规模数据集ImageNet[13]上进行了验证，相对于传统的方法AlexNet有了显著的提升。2014年，Simonyan等人考虑使用较小的卷积核和步长来提升参数量和网络深度，提出了16、19层的VGG模型[14]。与此同时，Szegedy等人从多尺度的角度考虑引入了Inception结构，并提出22层的GoogLeNet[15]。进一步，2015年He等人设计了一种残差模块[16-17]，在一定程度上缓解了由深度引起的梯度弥散的问题，使得网络深度得到了大幅度的提高，网络的性能也得到了极大的提升。进一步，2017年Huang等人从特征的重复、充分利用出发采用密集连接，提出了Dense Net[18]。表1总结了以上模型的特点。