《表2 AlexNet:改进卷积神经网络模型设计方法》
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%。
图表编号 | XD0074400800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.16 |
作者 | 张涛、杨剑、宋文爱、郭雁蓉 |
绘制单位 | 中北大学软件学院、中北大学软件学院、中北大学软件学院、中北大学软件学院 |
更多格式 | 高清、无水印(增值服务) |