卷积神经网络进阶(AlexNet、VGG、NiN、GoogleNet)

深度卷积神经网络AlexNet 重要的计算例题:通道数为3,宽高均为224的输入,经过一层输出通道数为96,卷积核大小为11,步长为4,无padding的卷积层后,得到的feature map的宽高为: (原始宽高 – kernel_size)/步长下取整 + 1 即 (224-11)/4下取整 +1 = 54 在特征提取方面,主要存在两种主流认知: 机器学习的特征提取:手工定义的特征提取函数 神经网络的特征提取:通过学习得到数据的多级表征,并逐级表示越来越抽象的概念或模式。 AlexNet 深度卷积神经网络AlexNet首次证明了学习到的特征可以超越手工设计的特征,从而一举打破计算机视觉研究