9 CNN半小时学会卷积神经网络.docxVIP

【CNN】半小时学会卷积神经网络 2019-12-24 原文 以全连接层为基础的深度神经网络是深度神经网络的基石，要说使用最广、影响最大的深度神经网络，那非卷积神经网络莫属。在本文中全面阐述卷积神经网络。卷积神经网络虽然发布的时间较早，但直到2006年Hilton处理深度神经网络的训练问题后才焕发生气。卷积神经网络现在几乎是图像识别争辩的标准配置。 简约回顾卷积神经网络的进展历程。日本科学家福岛邦彦（Kunihiko Fukushima）在1986年提出Neocognitron（神经认知机），直接启发了后来的卷积神经网络。Yann LeCun于1998年提出的卷积神经LeNet，初次提出了多层级联的卷积结构，可对手写数字进行无效识别。2012年， Alex依靠卷积神经网络AlexNet夺得ILSVRC 2012竞赛的冠军，吹响了卷积神经网络争辩的号角。AlexNet成功使用了ReLu、Dropout、最大池化、LRN（Local Response Normalization，局部响应归一化）、GPU加速等新技术，启发了后续更多的技术创新，加速了卷积神经网络和深度学习的争辩。从今，深度学习争辩进入蓬勃进展的新阶段。2014年Google提出的GoogleNet，运用Inception Module这个可以反复堆叠高效的卷积网络结构，获得了当年的ImageNet ILSVRC