【图像分类】ResNet网络结构

目录

1.ResNet详解

1.1 梯度消失与梯度爆炸问题 

1.2 残差模块

1.3 五种ResNet网络结构 

1.4 34层ResNet结构分析 

1.4.1 残差结构中出现虚线的原因 

2.Batch Normalization 


1.ResNet详解

【图像分类】ResNet网络结构_第1张图片

1.1 梯度消失与梯度爆炸问题 

【图像分类】ResNet网络结构_第2张图片

如何解决梯度消失和梯度爆炸?

答:1.数据标准化;2.权重初始化;3.BN;

如何解决退化问题?

答:使用残差模块解决退化问题。 (退化问题:神经网络层数加深导致损失函数值增大的问题。)

1.2 残差模块

【图像分类】ResNet网络结构_第3张图片

1.3 五种ResNet网络结构 

【图像分类】ResNet网络结构_第4张图片

1.4 34层ResNet结构分析 

【图像分类】ResNet网络结构_第5张图片

1.4.1 残差结构中出现虚线的原因 

【图像分类】ResNet网络结构_第6张图片

【图像分类】ResNet网络结构_第7张图片

【图像分类】ResNet网络结构_第8张图片

18、34层conv2_x没有虚线的原因:

通过最大池化下采样后得到的输出是[56,56,64],刚好是实线残差结构所需要的输入shape。

50、101、152层conv2_x有虚线的原因:

通过最大池化层后的输出shape是[56,56,64],而实线残差结构所需要的输入shape是[56,56,256]。

50、101、152层conv2_x第一个虚线残差层仅调整特征矩阵的深度,高和宽不变。

2.Batch Normalization 

【图像分类】ResNet网络结构_第9张图片BN层详解链接

你可能感兴趣的:(神经网络,计算机视觉,计算机视觉,深度学习)