卷积神经网络相关模块介绍

人工智能之深度学习

卷积神经网络CNN

主讲人：刘老师(GerryLiu)

• 课上课下“九字”真言

• 认真听，善摘录，勤思考

• 多温故，乐实践，再发散

• 四不原则

• 不懒散惰性，不迟到早退

• 不请假旷课，不拖延作业

• 训练算法

• 优缺点

• 正则化与Dropout

• 典型的结构与训练方式

x

x

x

• 卷积神经网络(Convolutional Neural Networks，CNN)，CNN可以有效

的降低反馈神经网络(传统神经网络)的复杂性，常见的CNN结构有LeNet-5、

AlexNet、ZFNet、VGGNet、GoogleNet、ResNet、DenseNet、SENet、

Residual Attention Networks、MobileNet、ShuffleNet等等；从这些结

构来讲CNN发展的一个重要方向就是层次的增加，通过这种方式可以利用

增加的非线性神经元得出目标函数的近似结构，同时得出更好的特征表达，

但是这种方式导致了网络整体复杂性的增加，使网络更加难以优化，很容易

模型过拟合/模型退化的情况。

• CNN的应用主要是在图像分类、目标检测以及图像分割等应用场景应用比