1.LeNet

LeNet 是由 Yann LeCun 等人在 1990 年提出的，是最早的卷積神經網絡之一，主要用于手寫數字識別。

LeNet 的架構簡單，但為現代 CNN 的發展奠定了基礎。

架構

• 輸入：32×32 像素的灰度圖像
• 第1層：卷積層，使用 6 個 5×5 的卷積核，輸出尺寸為 28×28。
• 第2層：池化層，采用平均池化，步幅為 2，輸出尺寸為 14×14。
• 第3層：卷積層，使用 16 個 5×5 的卷積核，輸出尺寸為 10×10。
• 第4層：池化層，再次使用平均池化，輸出尺寸為 5×5。
• 第5層：全連接層，將 5×5 的特征圖拉直，輸入到全連接層，輸出 120 個神經元。
• 第6層：全連接層，輸出 84 個神經元。
• 輸出層：10 個神經元，用于分類 10 種手寫數字。

圖片

特點：

• 引入了卷積和池化的概念。
• 使用了 Sigmoid 或 Tanh 作為激活函數。

2.AlexNet

AlexNet 是 2012 年 ILSVRC 競賽中的冠軍，由 Alex Krizhevsky 等人提出，標志著深度學習在計算機視覺領域的巨大突破。

它在 ImageNet 數據集上表現優異，成功應用了 ReLU 激活函數和 Dropout。

架構

• 輸入：224×224×3 的 RGB 圖像
• 第1層：卷積層，96 個 11×11 的卷積核，步幅為 4，輸出尺寸為 55×55×96，接 ReLU 激活。
• 第2層：池化層，最大池化，步幅為 2，輸出尺寸為 27×27×96。
• 第3層：卷積層，256 個 5×5 的卷積核，步幅為 1，輸出尺寸為 27×27×256，接 ReLU 激活。
• 第4層：池化層，最大池化，步幅為 2，輸出尺寸為 13×13×256。
• 第5層：卷積層，384 個 3×3 的卷積核，步幅為 1，輸出尺寸為 13×13×384，接 ReLU 激活。
• 第6層：卷積層，384 個 3×3 的卷積核，輸出尺寸為 13×13×384。
• 第7層：卷積層，256 個 3×3 的卷積核，輸出尺寸為 13×13×256。
• 第8層：池化層，最大池化，輸出尺寸為 6×6×256。
• 第9層：全連接層，4096 個神經元，接 Dropout。
• 第10層：全連接層，4096 個神經元，接 Dropout。
• 輸出層：1000 類的 Softmax 分類。

圖片

特點

• 使用了 ReLU 代替 Sigmoid，解決了梯度消失問題。
• Dropout 防止過擬合。
• 使用了多個 GPU 進行并行訓練。

3.ZFNet

ZFNet 是 AlexNet 的改進版本，由 Matthew Zeiler 和 Rob Fergus 提出，旨在通過更好的超參數調整（如卷積核大小和步幅）來改進 AlexNet 的性能。

架構

• 輸入：224×224×3 的 RGB 圖像
• 第1層：卷積層，96 個 7×7 的卷積核，步幅為 2，輸出尺寸為 55×55×96，接 ReLU 激活。
• 第2層：最大池化層，步幅為 2，輸出尺寸為 27×27×96。
• 第3層：卷積層，256 個 5×5 的卷積核，步幅為 2，輸出尺寸為 27×27×256。
• 第4層：最大池化層，步幅為 2，輸出尺寸為 13×13×256。
• 第5層：卷積層，384 個 3×3 的卷積核，輸出尺寸為 13×13×384。
• 第6層：卷積層，384 個 3×3 的卷積核，輸出尺寸為 13×13×384。
• 第7層：卷積層，256 個 3×3 的卷積核，輸出尺寸為 13×13×256。
• 第8層：最大池化層，輸出尺寸為 6×6×256。
• 后續結構與 AlexNet 類似，經過全連接層和 Softmax 分類。

圖片

特點

• 改進了卷積核大小，提升了感受野。

4.VGGNet

VGGNet 是 2014 年由 Oxford University's Visual Geometry Group 提出的，它因其結構簡單、深度較深而聞名。

VGGNet 使用了較小的卷積核（3×3），并通過堆疊多個卷積層來增加模型深度，而不是使用大的卷積核。

VGGNet 提供了 VGG-16 和 VGG-19 兩個變體，分別包含 16 和 19 個卷積層。

架構

• 輸入：224×224×3 的 RGB 圖像。
• 使用固定的 3×3 卷積核，步幅為 1，padding 為 1，以保持輸入輸出大小相同。
• 每經過幾個卷積層之后，應用 2×2 的最大池化層，步幅為 2，減半圖像尺寸。
• 有兩種主要變體：

• VGG-16：13 個卷積層，3 個全連接層，共 16 層。
• VGG-19：16 個卷積層，3 個全連接層，共 19 層。

• 最終的全連接層為 4096 個神經元，之后是一個 1000 類分類器（用于 ImageNet 數據集）。

圖片

特點

• 全部使用 3×3 的卷積核，堆疊較多層數。
• 參數量較大，計算代價較高。

5.GoogLeNet

GoogLeNet，或稱為 Inception v1，是 Google 在 2014 年提出的網絡結構，它的主要貢獻是引入了 Inception 模塊，它通過結合不同尺度的卷積操作來提高特征提取的多樣性，從而更好地捕捉不同層次的特征。

Inception 模塊

Inception 模塊的核心在于捕捉不同尺度的特征。

通過引入多個并行的卷積操作（1x1、3x3、5x5），以及一個池化操作，網絡可以從不同的卷積層中提取多尺度信息。

這種結構減少了對特定卷積核大小的依賴，增強了網絡的魯棒性。

• 1x1卷積，主要用于減少通道維度，降低計算復雜度。
• 3x3卷積和5x5卷積，用于提取局部特征。
• 最大池化，增加網絡的平移不變性，減少過擬合。

每個Inception模塊會將這些操作的輸出進行拼接，合成為一個新的特征圖，再傳遞給下一層。

圖片

架構細節

• 輸入層，輸入圖像大小為224x224x3。
• 卷積層和池化層，最初的幾層是常規的卷積和池化層。
• Inception模塊，從網絡的中間部分開始，重復使用Inception模塊。
• 全局平均池化，在最后的卷積層后，GoogLeNet 使用全局平均池化替代全連接層，減少了參數數量。
• 輔助分類器，為了應對梯度消失問題，GoogLeNet在中間層引入了兩個輔助分類器（Auxiliary Classifier）。這些分類器在訓練過程中提供額外的監督，保證梯度能夠有效傳播。

圖片

6.ResNet

ResNet 是一種深度卷積神經網絡，它通過引入殘差連接（Residual Connection）解決了隨著網絡深度增加而產生的梯度消失或梯度爆炸問題，從而使網絡能夠更有效地訓練更深層次的網絡。

圖片

原理

ResNet 的核心思想是殘差學習，它的創新點在于引入了“跳躍連接”，即殘差塊（Residual Block）。

傳統的神經網絡中，每一層直接學習一個新的變換 H(x)，而 ResNet 提出的思想是讓每一層學習一個“殘差”函數，即 ，因此實際的輸出是 。

圖片

殘差塊

針對不同深度的 ResNet，作者提出了兩種殘差塊。

圖片

1. 基本殘差塊
   基本殘差塊是最基礎的殘差單元，適用于較淺的網絡結構，如 ResNet-18 和 ResNet-34。
   這種殘差塊包含兩個連續的 3x3 卷積層，每一層后面都緊跟著批歸一化和 ReLU 激活函數。
   
2. 瓶頸殘差塊
   瓶頸殘差塊是為深層網絡設計的，如 ResNet-50、ResNet-101 和 ResNet-152。
   它的目的是在減少計算復雜度的同時，仍保持足夠的表征能力。
   瓶頸殘差塊通過先壓縮通道數，然后進行卷積操作，再擴展回原通道數的策略，減少了計算開銷。

第一層，使用 1×1 卷積核，主要目的是減少輸入的維度，這有助于減少后續層的計算負擔。

第二層，標準的 3×3 卷積層，在降維后的特征上進行空間特征提取。

第三層，再次使用 1×1 卷積核，目的是恢復通道數，為將輸出與跳躍連接相加做準備。

跳躍連接，如果輸入與輸出的維度不匹配（通常在跨越殘差塊時會改變維度），快捷連接上也會應用 1×1 卷積來調整維度，確保能夠與主路徑上的輸出相加。