Caffe神經網絡結構匯總

文章作者:Tyan
博客:noahsnail.com ?|? CSDN ?|? 簡書

自2012年Alexnet贏得了ImageNet競賽以來,深度學習(神經網絡)得到了飛速發展,產生了許多的神經網絡結構,本文主要總結Caffe中使用的神經網絡(分類的神經網絡),本文的神經網絡作者都使用Caffe訓練過,并在Kaggle的Intel癌癥預測比賽中進行了測試與使用(top 8%)。

1. Alexnet

Alexnet,2012年ImageNet競賽冠軍,深度學習的里程碑。

網絡結構地址:https://github.com/BVLC/caffe/tree/master/models/bvlc_alexnet

預訓練模型地址:http://dl.caffe.berkeleyvision.org/bvlc_alexnet.caffemodel

2. Squeezenet

Squeezenet設計目標不是為了提高識別的準確率,而是希望簡化網絡復雜度。squeezenet的模型結構確實很小,沒壓縮的情況下才5M左右,而且識別的精度還可以。

網絡結構地址:https://github.com/DeepScale/SqueezeNet

預訓練模型地址:https://github.com/DeepScale/SqueezeNet

3. VGG系列

VGG和GoogLenet是2014年imagenet競賽的雙雄,VGG主要分為VGG16和VGG19。其網絡結構與預訓練模型的地址如下:

VGG16的網絡結構:https://gist.github.com/ksimonyan/211839e770f7b538e2d8#file-readme-md

VGG16的預訓練模型: http://www.robots.ox.ac.uk/~vgg/software/very_deep/caffe/VGG_ILSVRC_16_layers.caffemodel

VGG19的網絡結構:https://gist.github.com/ksimonyan/3785162f95cd2d5fee77#file-readme-md

VGG19的預訓練模型:http://www.robots.ox.ac.uk/~vgg/software/very_deep/caffe/VGG_ILSVRC_19_layers.caffemodel

備注:上面的網絡結構需要進行細微調整才能在Caffe中直接訓練,主要是網絡結構中的Type類型。

4. Resnet系列

Resnet網絡,2015年ImageNet競賽冠軍,網絡結構主要分為Resnet-50、Resnet-101、Resnet-152三種,當然也有一些其它的結構,例如Resnet-18,Resnet-14。

Github地址:https://github.com/KaimingHe/deep-residual-networks

Resnet-50、Resnet-101、Resnet-152的網絡結構及預訓練模型的下載地址:https://onedrive.live.com/?authkey=%21AAFW2-FVoxeVRck&id=4006CBB8476FF777%2117887&cid=4006CBB8476FF777

5. Inception系列

Inception系列是Google發明的一系列神經網絡結構。

Inception-v1:

Inception-v1,即大名鼎鼎的GoogLenet,2014年ImageNet競賽冠軍。

網絡結構地址:https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet

預訓練模型地址:http://dl.caffe.berkeleyvision.org/bvlc_googlenet.caffemodel

Inception-v2:

即Inception V1 + Batch Normalization。

網絡結構地址:https://github.com/pertusa/InceptionBN-21K-for-Caffe

預訓練模型地址:http://www.dlsi.ua.es/~pertusa/deep/Inception21k.caffemodel

Inception-v3:

網絡結構地址:https://pan.baidu.com/s/1boC0HEf#list/path=%2F

預訓練模型地址:https://pan.baidu.com/s/1boC0HEf#list/path=%2F

Inception-v4:

網絡結構地址:https://pan.baidu.com/s/1c6D150#list/path=%2F

預訓練模型地址:https://pan.baidu.com/s/1c6D150#list/path=%2F

Inception-resnet-v2:

網絡結構地址:https://pan.baidu.com/s/1jHPJCX4#list/path=%2F

預訓練模型地址:https://pan.baidu.com/s/1jHPJCX4#list/path=%2F

Caffe Model Zoo

我自己整理的Caffe Model,SENet沒有全部添加到倉庫,DenseNet沒添加到倉庫。
https://github.com/SnailTyan/caffe-model-zoo

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 229,963評論 6 542
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 99,348評論 3 429
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 178,083評論 0 383
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,706評論 1 317
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,442評論 6 412
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,802評論 1 328
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,795評論 3 446
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,983評論 0 290
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,542評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,287評論 3 358
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,486評論 1 374
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 39,030評論 5 363
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,710評論 3 348
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,116評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,412評論 1 294
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,224評論 3 398
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,462評論 2 378

推薦閱讀更多精彩內容