https://juejin.im/post/5ae283c4f265da0b886d2323#comment
LeNet5:（5层）
将BP算法应用到神经网络中，手写数字体识别问题
AlexNet：（2012）（7层）（参数量增大，模型复杂）
1、数据增强（水平翻转、随机裁剪、平移变换、颜色光照变换）
2、DropOut：防止过拟合，加快网络训练，有模型集成的效果
3、引入ReLU激活函数，而避免或抑制网络训练时的梯度消失现象，网络模型的收敛速度会相对稳定
4、 Local Response Normalization：Local Response Normalization要硬翻译的话是局部响应归一化，简称LRN，实际就是利用临近的数据做归一化。这个策略贡献了1.2%的Top-5错误率。
5、 Overlapping Pooling：Overlapping的意思是有重叠，即Pooling的步长比Pooling Kernel的对应边要小。这个策略贡献了0.3%的Top-5错误率。 （这里的pool层是3*3，stride=2）
6、多GPU并行
ZFNet：（7层）主要贡献在于在一定程度上解释了卷积神经网络为什么有效，以及如何提高网络的性能（参数量和AlexNet类似）
1、使用了反卷积网络，可视化了特征图。通过特征图证明了浅层网络学习到了图像的边缘、颜色和纹理特征，高层网络学习到了图像的抽象特征；
2、根据特征可视化，提出AlexNet第一个卷积层卷积核太大，导致提取到的特征模糊；
3、通过几组遮挡实验，对比分析找出了图像的关键部位；
4、论证了更深的网络模型，具有更好的性能。
VGG：（参数量增大）
通过反复堆叠3*3的卷积层和2*2的池化层，VGG16构建了较深层次的网络结构，整个网络的卷积核使用了一致的3*3的尺寸，最大池化层尺寸也一致为2*2。
1、Vgg16有16层网络，AlexNet只有8层；
2、在训练和测试时使用了多尺度做数据增强。
3、使用3*3代替5*5的卷积核
Network in Network（NIN）的启发，NIN有两个贡献：
1、提出多层感知卷积层：使用卷积层后加上多层感知机，增强网络提取特征的能力。普通的卷积层和多层感知卷积层的结构图如图所示，Mlpconv相当于在一般的卷积层后加了一个1*1的卷积层；
2、提出了全局平均池化替代全连接层，从上文计算的LeNet5，AlexNet网络各层的参数数量发现，全连接层具有大量的参数。使用全局平均池化替代全连接层，能很大程度减少参数空间，便于加深网络，还能防止过拟合。
https://blog.csdn.net/hejin_some/article/details/78636586
GoogleNet:（相比于vgg，层数更深，但是参数量却降低）
进一步增加了网络模型的深度和宽度，但是单纯的在VGG16的基础上增加网络的宽度深度会带来以下缺陷：
1、过多的参数容易引起过拟合；
2、层数的加深，容易引起梯度消失现象。
特点：
1、多头梯度回传
2、增加宽度
3、全连接层之前，做mean-pooling（细节与整体信息的权衡），卷积到全连接层
inception后的聚合是concat操作
v2:
contributions:
1、两个3*3的卷积代替5*5的大卷积，在降低参数的同时建立了更多的非线性变换，使得 CNN 对特征的学习能力更强
两个3*3能够代替5*5的原因：
（1）感受野相同
（2）在具有同样感受野的情况，2个3*3 的卷积核，增加了网络深度，且经过两次非线性变换，具有更好的特征学习能力
（3）2个3*3卷积核，减少参数量
2、 提出Batch Normalization
v3:
1、是引入了 Factorization into small convolutions 的思想，将一个较大的二维卷积拆成两个较小的一维卷积，比如将7´7卷积拆成1´7卷积和7´1卷积，或者将3´3卷积拆成1´3卷积和3´1卷积，如上图所示。一方面节约了大量参数，加速运算并减轻了过拟合（比将7´7卷积拆成1´7卷积和7´1卷积，比拆成3个3´3卷积更节约参数），同时增加了一层非线性扩展模型表达能力。论文中指出，这种非对称的卷积结构拆分，其结果比对称地拆为几个相同的小卷积核效果更明显，可以处理更多、更丰富的空间特征，增加特征多样性。
能够用1*3和3*1代替3*3的原因：
假如是两个高斯核，是完全等价的。如果不是的话，也可以近似等价。此外，还可以降低参数量。
2、另一方面，Inception V3 优化了 Inception Module 的结构，现在 Inception Module 有35´35、17´17和8´8三种不同结构。这些 Inception Module 只在网络的后部出现，前部还是普通的卷积层。并且 Inception V3 除了在 Inception Module 中使用分支，还在分支中使用了分支（8´8的结构中），可以说是Network In Network In Network。
v4:
引入skip connection。
ResNet:
模型的直接加深引入的退化问题，网络不能够训练
1、反复增加原始信号，而且有利于梯度的反向传播（网络深度加深时，会出现梯度消失）
2、残差，输出与输入的差异，element-wise的加叠
3、bootleNeck：减少计算量
4、虚线连接：增加深度 (维度不一致时)
short connect 三种方式：
- 使用恒等映射，如果residual block的输入输出维度不一致，对增加的维度用0来填充；
- 在block输入输出维度一致时使用恒等映射，不一致时使用线性投影以保证维度一致；
- 对于所有的block均使用线性投影。
5、计算量小（想比于同级别的vgg19）
RexNet-v2:
v2的结构与v1的区别如下：
v2比v1好的原因：
1）反向传播基本符合假设，信息传递无阻碍；
2）BN层作为pre-activation，起到了正则化的作用；
ResNeXt:
https://www.jianshu.com/p/7478ce41e46b
ResNeXt网络结果的变形如上图
上面图中显示了三种ResNeXt网络模块的变形。它们在数学计算上是完全等价的，而第三种包含有Group convolution操作的正是最终ResNeXt网络所采用的操作。
DenseNet: （CVPR2017）（参数和计算比resnet更好，性能更优）
https://www.jianshu.com/p/7478ce41e46b
https://www.leiphone.com/news/201708/0MNOwwfvWiAu43WO.html
启发：
作者提出的随机深度网络（Deep networks with stochastic depth），就是在ResNet的基础上，随机drop一些层，可以显著提高泛化性能。
1、网络并不一定要是一个递进层级结构
2、drop层，不影响收敛和预测结果，说明结构存在冗余
https://www.jianshu.com/p/8a117f639eef
https://www.leiphone.com/news/201708/0MNOwwfvWiAu43WO.html
1，减轻了消失梯度（梯度消失）
2，加强了特征的传递
3，更有效地利用了特征
4，一定程度上较少了参数数量
5、文中还用到dropout操作来随机减少分支，避免过拟合
- dense net 能够减少feature的个数，源于原来的网络结构是递进氏的，不能重复提取特征，所以需要更多的features，一次提取尽可能多的特征。但是现在是密集连接，每一层都能看到前面的所有层，所以可以减少feature的个数，在需要的时候从前面的特征中学习。
- 密集连接后，采用concat操作聚合
- 最后是global average pooling，后接分类的全连接。
SENet:（加入SE 的模块，参数量和计算量基本没有增加）（CVPR2018）
https://www.jianshu.com/p/7244f64250a8
1、做通道信息的整合，之前都是做空间的（关注于卷积核的设计）
3个步骤：
1、squeeze：使用global average pooling作为Squeeze操作。
2、Excitation：紧接着两个Fully Connected 层组成一个Bottleneck结构去建模通道间的相关性，并输出和输入特征同样数目的权重。我们首先将特征维度降低到输入的1/16，然后经过ReLu激活后再通过一个Fully Connected 层升回到原来的维度。这样做比直接用一个Fully Connected层的好处在于：
1）具有更多的非线性，可以更好地拟合通道间复杂的相关性；
2）极大地减少了参数量和计算量。然后通过一个Sigmoid的门获得0~1之间归一化的权重，
3、Reweight：通过一个Scale的操作来将归一化后的权重加权到每个通道的特征上。
SE-ResNet：
在Addition前对分支上Residual的特征进行了特征重标定。如果对Addition后主支上的特征进行重标定，由于在主干上存在0~1的scale操作，在网络较深BP优化时就会在靠近输入层容易出现梯度消散的情况，导致模型难以优化。
轻量化神经网络结构：
SqueezeNet、 MobileNet、 ShuffleNet、Xception（Xception 并不是真正意义上的轻量化模型，只是其借鉴 depth-wise convolution，而 depth-wise convolution 又是上述几个轻量化模型的关键点）
SqueezeNet：
最主要的是fire module结构，fire module 包含两部分：squeeze 层+expand 层
- squeeze 层，就是 1*1 卷积
-
Expand 层分别用 1*1 和 3*3 卷积，然后 concat
屏幕快照 2019-08-26 上午11.49.23.png
屏幕快照 2019-08-26 上午11.52.05.png
小结：
1 Fire module 与 GoogLeNet 思想类似，采用 1*1 卷积对 feature map 的维数进行「压缩」，从而达到减少权值参数的目的；
2 采用与 VGG 类似的思想——堆叠的使用卷积，这里堆叠的使用 Fire module，SqueezeNet 与 GoogLeNet 和 VGG 的关系很大！
3、最终参数进行了压缩。才小于0.5M，并非网络本身参数就这么小。
MobileNetV1：
主要是采用深度可分离卷积的思想（并非原创，而是借鉴），两阶段，depthwise conv 和point conv（1*1卷积）
1. 核心思想是采用 depth-wise convolution 操作，在相同的权值参数数量的情况下，相较于 standard convolution 操作，可以减少数倍的计算量，从而达到提升网络运算速度的目的。
2. depth-wise convolution 的思想非首创，借鉴于 2014 年一篇博士论文：《L. Sifre. Rigid-motion scattering for image classification. hD thesis, Ph. D. thesis, 2014》
3. 采用 depth-wise convolution 会有一个问题，就是导致「信息流通不畅」，即输出的 feature map 仅包含输入的 feature map 的一部分，在这里，MobileNet 采用了 point-wise convolution 解决这个问题。在后来，ShuffleNet 采用同样的思想对网络进行改进，只不过把 point-wise convolution 换成了 channel shuffle
MobileNetV2：
创新点：
1、将ReLU替换成线性激活函数。将结构最后的RELU替换为线性激活函数。
2、DWConv，通道较少，表达能力有限，所以在进行DWConv之前，通过1*1卷积升维。
3、MobileNetV1中的整体结构与VGG类似，所以像resnet引入shortcut结构。
对比MobileNetV2与ResNet结构：
可以发现，都采用了 1×1 -> 3 ×3 -> 1 × 1 的模式，以及都使用Shortcut结构。但是不同点呢：
- ResNet 先降维 (0.25倍)、卷积、再升维。
- MobileNetV2 则是 先升维 (6倍)、卷积、再降维
v2的block结构为：
v1与v2结构对比：
MobileNetV3:
0.网络的架构基于NAS实现的MnasNet（效果比MobileNetV2好）
1.引入MobileNetV1的深度可分离卷积
2.引入MobileNetV2的具有线性瓶颈的倒残差结构
3.引入基于squeeze and excitation结构的轻量级注意力模型(SE)
4.使用了一种新的激活函数h-swish(x)
5.网络结构搜索中，结合两种技术：资源受限的NAS（platform-aware NAS）与NetAdapt
6.修改了MobileNetV2网络端部最后阶段
mobilenet详细参考：
https://zhuanlan.zhihu.com/p/70703846
ShuffleNet：
https://blog.csdn.net/u011974639/article/details/79200559
创新：
1. 利用 group convolution 和 channel shuffle 这两个操作来设计卷积神经网络模型, 以减少模型使用的参数数量。
2、与 MobileNet 一样采用了 depth-wise convolution，但是针对 depth-wise convolution 带来的副作用——「信息流通不畅」，ShuffleNet 采用了一个 channel shuffle 操作来解决。
3、 在网络拓扑方面，ShuffleNet 采用的是 resnet 的思想，而 mobielnet 采用的是 VGG 的思想，SqueezeNet 也是采用 VGG 的堆叠思想
Xception:（inception-v3的改进，参数量没有减少太多，精度略有提升）
Xception 结构如下图所示，共计 36 层分为 Entry flow；Middle flow；Exit flow。
Entry flow 包含 8 个 conv；Middle flow 包含 3*8 =24 个 conv；Exit flow 包含 4 个 conv，所以 Xception 共计 36 层。
https://www.jianshu.com/p/470a1de97487
https://www.jianshu.com/p/4708a09c4352
Xception是google在inception之后提出的对inceptionV3的另一种改进，主要采用depthwise separable convolution来替换原来的inception v3中的卷积操作。
创新：
1. 借鉴（非采用）depth-wise convolution 改进 Inception V3
简单理解就是说，卷积的时候要将通道的卷积与空间的卷积进行分离，这样会比较好。（没有理论证明，只有实验证明，就当它是定理，接受就好了，现在大多数神经网络的论文都这样。
第一个：原版 Depth-wise convolution，先逐通道卷积，再 1x1 卷积; 而 Xception 是反过来，先 1x1 卷积，再逐通道卷积；
第二个：原版 Depth-wise convolution 的两个卷积之间是不带激活函数的，而 Xception 在经过 1x1 卷积之后会带上一个 Relu 的非线性激活函数；
对比轻量化网络：
轻量化策略：
- 这么一看就发现，轻量化主要得益于 depth-wise convolution，因此大家可以考虑采用 depth-wise convolution 来设计自己的轻量化网络，但是要注意「信息流通不畅问题」。
- 解决「信息流通不畅」的问题，MobileNet 采用了 point-wise convolution，ShuffleNet 采用的是 channel shuffle。MobileNet 相较于 ShuffleNet 使用了更多的卷积，计算量和参数量上是劣势，但是增加了非线性层数，理论上特征更抽象，更高级了；ShuffleNet 则省去 point-wise convolution，采用 channel shuffle，简单明了，省去卷积步骤，减少了参数量。