本系列博客包括6个专栏，分别为：《自动驾驶技术概览》、《自动驾驶汽车平台技术基础》、《自动驾驶汽车定位技术》、《自动驾驶汽车环境感知》、《自动驾驶汽车决策与控制》、《自动驾驶系统设计及应用》，笔者不是自动驾驶领域的专家，只是一个在探索自动驾驶路上的小白，此系列丛书尚未阅读完，也是边阅读边总结边思考，欢迎各位小伙伴，各位大牛们在评论区给出建议，帮笔者这个小白挑出错误，谢谢！
此专栏是关于《自动驾驶汽车环境感知》书籍的笔记

---

---

4.典型卷积神经网络

4.1 简介

现有卷积神经网络分类：基于空间、深度、多路、宽度、特征通道、注意力等结构；
常见的卷积神经网络：LeNet、AlexNet、VGGNet、GoogleNet、ResNet、DenseNet、SENet等；

4.2 LeNet

1. LeNet由Yann LeCun在1998年提出，是最早出现的第一代卷积神经网络；
2. 网络结构：
   1. 输入图像：单通道的 28 × 28 28\times28 28×28大小的图像，矩阵表示 [ 1 , 28 , 28 ] [1,28,28] [1,28,28]；
   2. 第一个卷积层conv1的卷积核尺寸 5 × 5 5\times5 5×5，滑动步长为1，卷积核数目20，经过该层后图像的尺寸变为 24 ( 28 − 5 + 1 = 24 ) 24(28-5+1=24) 24(28−5+1=24)，输出矩阵为 [ 20 , 24 , 24 ] [20,24,24] [20,24,24]；
   3. 第一个池化层pool核尺寸为 2 × 2 2\times2 2×2，步长2，池化操作后图像尺寸减半，变为 12 × 12 12\times12 12×12，输出矩阵为 [ 20 , 12 , 12 ] [20,12,12] [20,12,12]；
   4. 第二个卷积层conv2的卷积核尺寸为 5 × 5 5\times5 5×5，步长为1，卷积核数目为50，卷积后图像尺寸变为8， 12 − 5 + 1 = 8 12-5+1=8 12−5+1=8，输出矩阵 [ 50 , 8 , 8 ] [50,8,8] [50,8,8]；
   5. 第二个池化层pool2核尺寸为 2 × 2 2\times2 2×2，步长为2，池化操作后图像尺寸减半，变为 4 × 4 4\times4 4×4，输出矩阵为 [ 50 , 4 , 4 ] [50,4,4] [50,4,4]；
   6. pool2后面接全连接层fc1，神经元数目为500，再接ReLU激活函数；
   7. 再接fc2，神经元个数为10，得到10维的特征向量，用于10个数字的分类训练，送入softmax分类，得到分类结果的概率输出；

4.3 AlexNet

1. 2012年Hinton及学生Alex Krizhevsky提出AlexNet，是第一个现代深度卷积网络模型；
2. 首次使用了现代深度卷积网络的技术方法，如：使用GPU进行并行训练、采用ReLU作为非线性激活函数、使用dropout防止过拟合、使用数据增强提高模型准确率；
3. AlexNet结构：5个卷积层、3个全连接层、1个softmax层；
   

4.4 VGGNet

1. VGGNet采用更小的卷积核与更深的网络提升参数效率；
2. VGGNet泛化性能好，常用于图像特征抽取、目标检测候选框的生成等；
3. VGGNet参数量巨大；

4.5 其他常见CNN网络

1. GoogleNet；
2. ResNet；
3. DenseNet；
4. SENet；

注：本文只是做简单了解，需要深入了解各种CNN网络的读者请阅读其它专门介绍这些网络的书籍、文章等。