作者：zzq
https://zhuanlan.zhihu.com/p/68411179
本文已授權，未經允許，不得二次轉載
CNN基本部件介紹
1. 區域性感受野
在影像中區域性畫素之間的聯絡較為緊密，而距離較遠的畫素聯絡相對較弱。因此，其實每個神經元沒必要對影像全域性進行感知，只需要感知區域性資訊，然後在更高層區域性資訊綜合起來即可得到全域性資訊。卷積操作即是區域性感受野的實現，並且卷積操作因為能夠權值共享，所以也減少了引數量。
2. 池化
池化是將輸入影像進行縮小，減少畫素資訊，只保留重要資訊，主要是為了減少計算量。主要包括最大池化和均值池化。
3. 啟用函式
啟用函式的用是用來加入非線性。常見的啟用函式有sigmod, tanh, relu，前兩者常用在全連線層，relu常見於卷積層
4. 全連線層
全連線層在整個卷積神經網路中起分類器的作用。在全連線層之前需要將之前的輸出展平
經典網路結構
1. LeNet5
由兩個卷積層，兩個池化層，兩個全連線層組成。卷積核都是5×5，stride=1，池化層使用maxpooling
2. AlexNet
模型共八層（不算input層），包含五個卷積層、三個全連線層。最後一層使用softmax做分類輸出
AlexNet使用了ReLU做啟用函式；防止過擬合使用dropout和資料增強；雙GPU實現；使用LRN
3. VGG
全部使用3×3卷積核的堆疊，來模擬更大的感受野，並且網路層數更深。VGG有五段卷積，每段卷積後接一層最大池化。卷積核數目逐漸增加。
總結：LRN作用不大；越深的網路效果越好；1×1的卷積也很有效但是沒有3×3好
4. GoogLeNet(inception v1)
從VGG中我們瞭解到，網路層數越深效果越好。但是隨著模型越深引數越來越多，這就導致網路比較容易過擬合，需要提供更多的訓練資料；另外，複雜的網路意味更多的計算量，更大的模型儲存，需要更多的資源，且速度不夠快。GoogLeNet就是從減少引數的角度來設計網路結構的。
GoogLeNet透過增加網路寬度的方式來增加網路複雜度，讓網路可以自己去應該如何選擇卷積核。這種設計減少了引數 ，同時提高了網路對多種尺度的適應性。使用了1×1卷積可以使網路在不增加引數的情況下增加網路複雜度。
Inception-v2
在v1的基礎上加入batch normalization技術，在tensorflow中，使用BN在啟用函式之前效果更好；將5×5卷積替換成兩個連續的3×3卷積，使網路更深，引數更少
Inception-v3
核心思想是將卷積核分解成更小的卷積，如將7×7分解成1×7和7×1兩個卷積核，使網路引數減少，深度加深
Inception-v4
引入了ResNet，使訓練加速，效能提升。但是當濾波器的數目過大（>1000）時，訓練很不穩定，可以加入activate scaling因子來緩解
5. Xception
在Inception-v3的基礎上提出，基本思想是通道分離式卷積，但是又有區別。模型引數稍微減少，但是精度更高。Xception先做1×1卷積再做3×3卷積，即先將通道合併，再進行空間卷積。depthwise正好相反，先進行空間3×3卷積，再進行通道1×1卷積。核心思想是遵循一個假設：卷積的時候要將通道的卷積與空間的卷積進行分離。而MobileNet-v1用的就是depthwise的順序，並且加了BN和ReLU。Xception的引數量與Inception-v3相差不大，其增加了網路寬度，旨在提升網路準確率，而MobileNet-v1旨在減少網路引數，提高效率。
6. MobileNet系列
V1
使用depthwise separable convolutions；放棄pooling層，而使用stride=2的卷積。標準卷積的卷積核的通道數等於輸入特徵圖的通道數；而depthwise卷積核通道數是1；還有兩個引數可以控制，a控制輸入輸出通道數；p控制影像（特徵圖）解析度。
V2
相比v1有三點不同：1.引入了殘差結構；2.在dw之前先進行1×1卷積增加feature map通道數，與一般的residual block是不同的；3.pointwise結束之後棄用ReLU，改為linear啟用函式，來防止ReLU對特徵的破環。這樣做是因為dw層提取的特徵受限於輸入的通道數，若採用傳統的residual block，先壓縮那dw可提取的特徵就更少了，因此一開始不壓縮，反而先擴張。但是當採用擴張-卷積-壓縮時，在壓縮之後會碰到一個問題，ReLU會破環特徵，而特徵本來就已經被壓縮，再經過ReLU還會損失一部分特徵，應該採用linear。
V3
互補搜尋技術組合：由資源受限的NAS執行模組集搜尋，NetAdapt執行區域性搜尋；網路結構改進：將最後一步的平均池化層前移並移除最後一個卷積層，引入h-swish啟用函式，修改了開始的濾波器組。
V3綜合了v1的深度可分離卷積，v2的具有線性瓶頸的反殘差結構，SE結構的輕量級注意力模型。
7. EffNet
EffNet是對MobileNet-v1的改進，主要思想是：將MobileNet-1的dw層分解層兩個3×1和1×3的dw層，這樣 第一層之後就採用pooling，從而減少第二層的計算量。EffNet比MobileNet-v1和ShuffleNet-v1模型更小，進度更高。
8. EfficientNet
研究網路設計時在depth, width, resolution上進行擴充套件的方式，以及之間的相互關係。可以取得更高的效率和準確率。
9. ResNet
VGG證明更深的網路層數是提高精度的有效手段，但是更深的網路極易導致梯度彌散，從而導致網路無法收斂。經測試，20層以上會隨著層數增加收斂效果越來越差。ResNet可以很好的解決梯度消失的問題（其實是緩解，並不能真正解決），ResNet增加了shortcut連邊。
10. ResNeXt
基於ResNet和Inception的split+transform+concate結合。但效果卻比ResNet、Inception、Inception-ResNet效果都要好。可以使用group convolution。一般來說增加網路表達能力的途徑有三種：1.增加網路深度，如從AlexNet到ResNet，但是實驗結果表明由網路深度帶來的提升越來越小；2.增加網路模組的寬度，但是寬度的增加必然帶來指數級的引數規模提升，也非主流CNN設計；3.改善CNN網路結構設計，如Inception系列和ResNeXt等。且實驗發現增加Cardinatity即一個block中所具有的相同分支的數目可以更好的提升模型表達能力。
11. DenseNet
DenseNet透過特徵重用來大幅減少網路的引數量，又在一定程度上緩解了梯度消失問題。
12. SqueezeNet
提出了fire-module：squeeze層+expand層。Squeeze層就是1×1卷積，expand層用1×1和3×3分別卷積，然後concatenation。squeezeNet引數是alexnet的1/50，經過壓縮之後是1/510，但是準確率和alexnet相當。
13. ShuffleNet系列
V1
透過分組卷積與1×1的逐點群卷積核來降低計算量，透過重組通道來豐富各個通道的資訊。Xception和ResNeXt在小型網路模型中效率較低，因為大量的1×1卷積很耗資源，因此提出逐點群卷積來降低計算複雜度，但是使用逐點群卷積會有副作用，故在此基礎上提出通道shuffle來幫助資訊流通。雖然dw可以減少計算量和引數量，但是在低功耗裝置上，與密集的操作相比，計算、儲存訪問的效率更差，故shufflenet上旨在bottleneck上使用深度卷積，儘可能減少開銷。
V2
使神經網路更加高效的CNN網路結構設計準則：
輸入通道數與輸出通道數保持相等可以最小化記憶體訪問成本
分組卷積中使用過多的分組會增加記憶體訪問成本
網路結構太複雜（分支和基本單元過多）會降低網路的並行程度
element-wise的操作消耗也不可忽略
14. SENet
15. SKNet