近幾年，關(guān)于基于Imagenet數(shù)據(jù)集圖像分類的模型總結(jié)

「@Author：Runsen」

在過去的幾年里，許多深度學(xué)習(xí)模型涌現(xiàn)出來，例如層的類型、超參數(shù)等。在本系列中，我將回顧幾個最顯著的 deeplearn 圖像分類的模型。

• AlexNet （2012 ）

• VGG (2014)

• GoogleNet (2014)

• ResNet (2015)

• Inception v3 (2015)

• SqueezeNet （2016）

• DenseNet (2016)

• Xception (2016)

• ShuffleNet v2 (2018)

• MnasNet （2018）

• ResNeXt（2019）

• MobileNetv3 （2019）

• EfficientNet 2019 and EfficientNet v2 2021

AlexNet （2012 ）

2012 年，AlexNet 由 Alex Krizhevsky 為 ImageNet 大規(guī)模視覺識別挑戰(zhàn)賽 ( ILSVRV ) 提出的，ILSVRV 評估用于對象檢測和圖像分類的算法。

AlexNet 總共由八層組成，其中前5層是卷積層，后3層是全連接層。前兩個卷積層連接到重疊的最大池化層以提取最大數(shù)量的特征。第三、四、五卷積層直接與全連接層相連。卷積層和全連接層的所有輸出都連接到 ReLu 非線性激活函數(shù)。最后的輸出層連接到一個 softmax 激活層，它產(chǎn)生 1000 個類標(biāo)簽的分布。

VGG (2014)

VGG 是一種流行的神經(jīng)網(wǎng)絡(luò)架構(gòu)，由2014年，牛津大學(xué)的 Karen Simonyan 和 Andrew Zisserman 提出。

與 AlexNet 相比，VGG 的主要改進(jìn)包括使用大內(nèi)核大小的過濾器（第一和第二卷積層中的大小分別為 11 和 5）和多個（3×3）內(nèi)核大小的過濾器。

GoogleNet (2014)

2014年，GoogleNet 誕生，該架構(gòu)有 22 層深，包括 27 個池化層?？偣灿?9 個初始模塊線性堆疊。Inception 模塊的末端連接到全局平均池化層。下面是完整 GoogleNet 架構(gòu)的縮小圖像。

ResNet (2015)

由于深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練既費時又容易過擬合，微軟引入了一個殘差學(xué)習(xí)框架來改進(jìn)比以前使用的更深的網(wǎng)絡(luò)的訓(xùn)練。

ResNet在PyTorch的官方代碼中共有5種不同深度的結(jié)構(gòu)，深度分別為18、34、50、101、152（各種網(wǎng)絡(luò)的深度指的是“需要通過訓(xùn)練更新參數(shù)”的層數(shù)，如卷積層，全連接層等）。

Inception v3 (2015)

與 VGGNet 相比，Inception Networks 已被證明在計算效率更高

Inception v3 網(wǎng)絡(luò)的架構(gòu)是逐步構(gòu)建的，結(jié)構(gòu)圖可點擊查看大圖

SqueezeNet （2016）

SqueezeNet 是一個較小的網(wǎng)絡(luò)，它的參數(shù)比 AlexNet 少近 50 倍，但執(zhí)行速度快 3 倍。

如上圖中最左邊所示，SqueezeNet 以一個標(biāo)準(zhǔn)的卷積層開始，然后是 8 個 Fire 模塊，最后再以一個卷積層結(jié)束。步長為 2 的池化分別跟在第一個卷積層、 第 4 個 Fire 模塊、第 8 個 Fire 模塊和最后一個卷積層后面。

中間的網(wǎng)絡(luò)結(jié)構(gòu)在特征圖通道數(shù)相同的 Fire 模塊之間引入了殘差網(wǎng)絡(luò)中的跳躍連接，而最右邊的網(wǎng)絡(luò)結(jié)構(gòu)在中間結(jié)構(gòu)的基礎(chǔ)上，針對特征圖通道數(shù)不一樣的情況，通過一個 1×1 的卷積來調(diào)整通道數(shù)一致后再相加。

DenseNet (2016)

DenseNet 擁有與傳統(tǒng)深度 CNN 相比的一大優(yōu)勢：通過多層的信息在到達(dá)網(wǎng)絡(luò)末端時不會被沖刷或消失。這是通過簡單的連接模式實現(xiàn)的。要理解這一點，必須知道普通 CNN 中的層是如何連接的。

這是一個簡單的 CNN，其中各層按順序連接。然而，在DenseNet 中，每一層從所有前面的層獲得額外的輸入，并將其自己的特征映射傳遞給所有后續(xù)層。下面是描繪DenseNet 的圖像。

Xception (2016)

Xception是Google公司繼Inception后提出的對 Inception-v3 的另一種改進(jìn)。

Xception 的結(jié)構(gòu)基于 ResNet，但是將其中的卷積層換成了Separable Convolution（極致的 Inception模塊）。如下圖所示。整個網(wǎng)絡(luò)被分為了三個部分：Entry，Middle和Exit。

ShuffleNet v2 (2018)

2018年，開始了輕度網(wǎng)絡(luò)的研究，MnasNet ，MobileNet，ShuffleNet，,Xception采用了分組卷積，深度可分離卷積等操作，這些操作在一定程度上大大減少了FLOP。

整體 ShuffleNet v2 架構(gòu)列表如下：

MnasNet （2018）

Google 團(tuán)隊最新提出 MnasNet，使用強化學(xué)習(xí)的思路，提出一種資源約束的終端 CNN 模型的自動神經(jīng)結(jié)構(gòu)搜索方法。

ResNeXt（2019）

ResNeXt是ResNet 的變體，

ResNet有許多版本，對應(yīng)的ResNeXt也有許多不同版本。

對比下，ResNet50和ResNeXt-50的網(wǎng)絡(luò)結(jié)構(gòu)圖如下：

MobileNetv3 （2019）

在ImageNet分類任務(wù)上，相對于MobileNetV2, MobileNetV3-small精度提高了大約3.2%，時間減少了15%，MobileNetV3-large精度提高了大約34.6%，時間減少了5%。

MobileNetV3的large和small結(jié)構(gòu)如下圖所示。

EfficientNet 2019 and EfficientNet v2 2021

谷歌研究人員在一篇 ICML 2019 論文《EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks》中，提出了一種新型模型縮放方法，該方法使用一種簡單但高效的復(fù)合系數(shù)（compound coefficient）以更加結(jié)構(gòu)化的方式擴展 CNN，這成為后ResNet時代的頂流EfficientNet，

很多模型網(wǎng)絡(luò)及其復(fù)雜，學(xué)會怎么用輪子就好了。