1 ResNet
核心思想:
解决了网络退化问题(Degradation: 随着深度增加,性能反而下降——求解器很难去利用深层网络拟合同等函数)
通过直接将input 信息绕道传输到输出,保证了input 信息的完整性,整个网络 只学习 input 和output 的差异,简化了学习目标和难度
shortcut connection/ skip connection:
浅层 building block (ResNet 18, 34)与 深层 block(ResNet 50, 101, 152);1 x 1 卷积核的引入:消减和恢复维度的同时,可以极大地减少参数。
当 input 和output 的维度不相同时如何连接:
- 采用zero padding. 不会增加参数
- 对 input 进行卷积操作(1x1),维度等=filter的数量,方便,但是会引入参数
结构:
VGG19 演化而来:
直接使用stride=2的卷积做下采样,并且用global average pool层替换了全连接层。ResNet的一个重要设计原则是:当feature map大小降低一半时,feature map的数量增加一倍,这保持了网络层的复杂度
参考解析: