《表2 AlexNet：改进卷积神经网络模型设计方法》

  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

《改进卷积神经网络模型设计方法》

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

Alex Krizhevsky提出了Alexnet模型，并使用该模型取得了Imagenet挑战赛ILSVRC 2012的冠军。该模型主要有以下几个特点:使用了修正线性单元ReLu作为激活函数，通过抑制部分激活值的方法解决了梯度消失的问题，使训练深层卷积神经网络成为可能；提出Dropout[8]方法通过忽略部分特征减少数据量，减轻过拟合；使用最大值池化突出图像的明显特征，解决了之前平均池化特征模糊的问题；使用了局部响应归一化层LRN（local respense normalization），增强特征的特性；使用了批标准化（batch normalization）方法，对每批次输入的数据进行标准化分布处理，提升模型收敛速度。表2显示了输入227*227三通道彩色图像的Alexnet每层的参数量，计算可得到两个全连接层的参数量占整个网络参数量的96.11%。