5.0 KiB
著名的 CNN 架構
VGG-16
VGG-16 是一個在 2014 年 ImageNet top-5 分類中達到 92.7% 準確率的網絡。它的層結構如下：
如你所見，VGG 採用了傳統的金字塔架構，即一系列的卷積-池化層。
圖片來源：Researchgate
ResNet
ResNet 是由 Microsoft Research 在 2015 年提出的一系列模型。ResNet 的核心概念是使用 殘差塊：
圖片來源：這篇論文
使用身份直通的原因是讓我們的層預測 前一層結果與殘差塊輸出之間的差異，因此得名 殘差。這些塊更容易訓練，並且可以構建包含數百個這些塊的網絡（最常見的變體包括 ResNet-52、ResNet-101 和 ResNet-152）。
你也可以將這個網絡理解為能夠根據數據集調整其複雜度。最初，在開始訓練網絡時，權重值較小，大部分信號通過身份直通層。隨著訓練的進行，權重變得更大，網絡參數的重要性增強，網絡會調整以適應所需的表達能力，從而正確分類訓練圖像。
Google Inception
Google Inception 架構將這個概念更進一步，將每個網絡層構建為多條不同路徑的組合：
圖片來源：Researchgate
在這裡，我們需要強調 1x1 卷積的作用，因為一開始它似乎沒有意義。為什麼需要用 1x1 濾波器掃描圖像？然而，你需要記住卷積濾波器也會處理多個深度通道（最初是 RGB 顏色，在後續層中是不同濾波器的通道），而 1x1 卷積用於通過不同的可訓練權重將這些輸入通道混合在一起。它也可以被視為在通道維度上的降維（池化）。
這裡有一篇關於 1x1 卷積的好文章，以及原始論文。
MobileNet
MobileNet 是一系列縮小尺寸的模型，適合移動設備使用。如果你的資源有限，並且可以接受稍微降低的準確率，可以使用它們。其核心概念是所謂的 深度可分離卷積，它允許通過空間卷積和深度通道上的 1x1 卷積的組合來表示卷積濾波器。這大大減少了參數數量，使網絡尺寸更小，也更容易用較少的數據進行訓練。
這裡有一篇關於 MobileNet 的好文章。
結論
在這一單元中，你已經學習了計算機視覺神經網絡的主要概念——卷積網絡。實際應用的架構，例如圖像分類、物體檢測，甚至圖像生成網絡，都是基於 CNN，只是層數更多，並且加入了一些額外的訓練技巧。
🚀 挑戰
在附帶的筆記本中，底部有關於如何獲得更高準確率的筆記。進行一些實驗，看看你是否能達到更高的準確率。
課後測驗
回顧與自學
雖然 CNN 最常用於計算機視覺任務，但它們通常也適合提取固定大小的模式。例如，如果我們處理聲音，我們可能也希望使用 CNN 在音頻信號中尋找一些特定模式——在這種情況下，濾波器將是 1 維的（這種 CNN 被稱為 1D-CNN）。此外，有時也會使用 3D-CNN 來提取多維空間中的特徵，例如視頻中發生的某些事件——CNN 可以捕捉特徵隨時間變化的某些模式。進行一些回顧和自學，了解 CNN 還可以完成哪些其他任務。
作業
在這次實驗中，你的任務是分類不同的貓和狗品種。這些圖像比 MNIST 數據集更複雜，尺寸更高，並且類別超過 10 種。
免責聲明：
本文件使用人工智能翻譯服務 Co-op Translator 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。