论文部分内容阅读
自从2012年Alex~([1])提出了深度卷积神经网络模型AlexNet,相关领域的算法创新使得神经网络学习走出了低谷期,并极大的推动了深度学习在图像识别,文字处理和语音识别等领域的广泛应用。而谷歌不断更新的Tensorflow深度学习开发平台使得快速搭建复杂的极深卷积神经网络成为了可能。本文将对近年来应用广泛的VGGNet和ResNet深度卷积神经网络的模型结构进行阐述和分析,并在谷歌Tensorflow开源框架上对此类模型进行重建,训练和对比。