经典网络AlexNet介绍

忘是亡心i 2023-01-07 08:53 171阅读 0赞

AlexNet经典网络由Alex Krizhevsky、Hinton等人在2012年提出，发表在NIPS，论文名为《ImageNet Classification with Deep Convolutional Neural Networks》，论文见：[http://www.cs.toronto.edu/~hinton/absps/imagenet.pdf][http_www.cs.toronto.edu_hinton_absps_imagenet.pdf] ，论文中的网络结构截图如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdiaW5nY2h1bg_size_16_color_FFFFFF_t_70][]

上图中有时看起来不是很直观，下图是来自[https://www.learnopencv.com/understanding-alexnet/][https_www.learnopencv.com_understanding-alexnet] 中的截图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdiaW5nY2h1bg_size_16_color_FFFFFF_t_70 1][]

注意：论文中原始输入大小为224\*224\*3，上图中输入大小为227\*227\*3，使用227\*227替换为224\*224更有意义。

AlexNet网络：

(1).激活函数使用ReLU替代Tanh或Sigmoid加快训练速度，解决网络较深时梯度弥散问题。关于ReLU介绍参考：[https://blog.csdn.net/fengbingchun/article/details/73872828][https_blog.csdn.net_fengbingchun_article_details_73872828]

(2).训练时使用Dropout随机忽略一部分神经元，以避免过拟合。关于Dropout介绍参考：[https://blog.csdn.net/fengbingchun/article/details/89286485][https_blog.csdn.net_fengbingchun_article_details_89286485]

(3).使用重叠最大池化(Overlapping Max Pooling)，避免平均池化时的模糊化效果；并且让步长比池化核的尺寸小，提升特征丰富性。filter的步长stride小于filter的width或height。一般，kernel(filter)的宽和高是相同的，深度(depth)是和通道数相同的。

(4).使用LRN对局部神经元的活动创建竞争机制，使得其中响应比较大的值变得相对更大，并抑制其它反馈较小的神经元，增强了模型泛化能力。LRN只对数据相邻区域做归一化处理，不改变数据的大小和维度。关于LRN介绍参考：[https://blog.csdn.net/fengbingchun/article/details/112393884][https_blog.csdn.net_fengbingchun_article_details_112393884]

(5).数据扩充(Data Augmentation)：训练时随机地从256\*256的原始数据中截取227\*227大小的区域，水平翻转；光照变换。增加了数据量，大大减少过拟合，提升泛化能力。

(6).多GPU并行运算。

AlexNet输入是一种属于1000种不同类别的一张BGR图像，大小为227\*227，输出是一个向量，大小为1000。输出向量的第i个元素值被解释为输入图像属于第i类的概率。因此，输出向量的所有元素的总和为1。

假如输入图像大小为n\*n，过滤器(filter)为f\*f，padding为p，步长(stride)为s，则输出大小为：如果商不是整数，向下取整，即floor函数。参考：[https://blog.csdn.net/fengbingchun/article/details/80262495][https_blog.csdn.net_fengbingchun_article_details_80262495]

![2021011615300013.png][]

AlexNet架构：5个卷积层(Convolution、ReLU、LRN、Pooling)+3个全连接层(InnerProduct、ReLU、Dropout)，predict时对各层进行说明：参照[https://github.com/BVLC/caffe/blob/master/models/bvlc\_alexnet/deploy.prototxt][https_github.com_BVLC_caffe_blob_master_models_bvlc_alexnet_deploy.prototxt]

(1).输入层(Input)：图像大小227\*227\*3。如果输入的是灰度图，它需要将灰度图转换为BGR图。训练图大小需要为256\*256，否则需要进行缩放，然后从256\*256中随机剪切生成227\*227大小的图像作为输入层的输入。

(2).卷积层1+ReLU+LRN：使用96个11\*11的filter，stride为4，padding为0，输出为55\*55\*96，96个feature maps，训练参数(11\*11\*3\*96)+96=34944。

(3).最大池化层：filter为3\*3，stride为2，padding为0，输出为27\*27\*96，96个feature maps。

(4).卷积层2+ReLU+LRN：使用256个5\*5的filter，stride为1，padding为2，输出为27\*27\*256，256个feature maps，训练参数(5\*5\*96\*256)+256=614656。

(5).最大池化层：filter为3\*3，stride为2，padding为0，输出为13\*13\*256，256个feature maps。

(6).卷积层3+ReLU：使用384个3\*3的filter，stride为1，padding为1，输出为13\*13\*384，384个feature maps，训练参数(3\*3\*256\*384)+384=885120。

(7).卷积层4+ReLU：使用384个3\*3的filter，stride为1，padding为1，输出为13\*13\*384，384个feature maps，训练参数(3\*3\*384\*384)+384=1327488。

(8).卷积层5+ReLU：使用256个3\*3的filter，stride为1，padding为1，输出为13\*13\*256，256个feature maps，训练参数(3\*3\*384\*256)+256=884992。

(9).最大池化层：filter为3\*3，stride为2，padding为0，输出为6\*6\*256，256个feature maps。

(10).全连接层1+ReLU+Dropout：有4096个神经元，训练参数(6\*6\*256)\*4096=37748736。

(11).全连接层2+ReLU+Dropout：有4096个神经元，训练参数4096\*4096=16777216。

(12).全连接层3：有1000个神经元，训练参数4096\*1000=4096000。

(13).输出层(Softmax)：输出识别结果，看它究竟是1000个可能类别中的哪一个。

train([https://github.com/BVLC/caffe/blob/master/models/bvlc\_alexnet/train\_val.prototxt][https_github.com_BVLC_caffe_blob_master_models_bvlc_alexnet_train_val.prototxt])可视化结果([http://ethereon.github.io/netscope/quickstart.html][http_ethereon.github.io_netscope_quickstart.html] )如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdiaW5nY2h1bg_size_16_color_FFFFFF_t_70 2][]

predict可视化结果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdiaW5nY2h1bg_size_16_color_FFFFFF_t_70 3][]

**GitHub**：[https://github.com/fengbingchun/NN\_Test][https_github.com_fengbingchun_NN_Test]

[http_www.cs.toronto.edu_hinton_absps_imagenet.pdf]: http://www.cs.toronto.edu/~hinton/absps/imagenet.pdf
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdiaW5nY2h1bg_size_16_color_FFFFFF_t_70]: /images/20221119/ea6f6505e5b14e5c9005dae0b3153fa9.png
[https_www.learnopencv.com_understanding-alexnet]: https://www.learnopencv.com/understanding-alexnet/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdiaW5nY2h1bg_size_16_color_FFFFFF_t_70 1]: /images/20221119/d592f4b17e334d9688f91196ab191451.png
[https_blog.csdn.net_fengbingchun_article_details_73872828]: https://blog.csdn.net/fengbingchun/article/details/73872828
[https_blog.csdn.net_fengbingchun_article_details_89286485]: https://blog.csdn.net/fengbingchun/article/details/89286485
[https_blog.csdn.net_fengbingchun_article_details_112393884]: https://blog.csdn.net/fengbingchun/article/details/112393884
[https_blog.csdn.net_fengbingchun_article_details_80262495]: https://blog.csdn.net/fengbingchun/article/details/80262495
[2021011615300013.png]: /images/20221119/f8d8c84268444fbf9a0c1386dd33e3a8.png
[https_github.com_BVLC_caffe_blob_master_models_bvlc_alexnet_deploy.prototxt]: https://github.com/BVLC/caffe/blob/master/models/bvlc_alexnet/deploy.prototxt
[https_github.com_BVLC_caffe_blob_master_models_bvlc_alexnet_train_val.prototxt]: https://github.com/BVLC/caffe/blob/master/models/bvlc_alexnet/train_val.prototxt
[http_ethereon.github.io_netscope_quickstart.html]: http://ethereon.github.io/netscope/quickstart.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdiaW5nY2h1bg_size_16_color_FFFFFF_t_70 2]: /images/20221119/6e97ca7e3a0c4b2f9d4d2dd30ecbf5d0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdiaW5nY2h1bg_size_16_color_FFFFFF_t_70 3]: /images/20221119/38d5b3cd5a04427aa2d6d5387b1c394f.png
[https_github.com_fengbingchun_NN_Test]: https://github.com/fengbingchun/NN_Test