Caffe神经网络结构汇总

文章作者:Tyan
博客:noahsnail.com  |  CSDN  |  简书

自2012年Alexnet赢得了ImageNet竞赛以来,深度学习(神经网络)得到了飞速发展,产生了许多的神经网络结构,本文主要总结Caffe中使用的神经网络(分类的神经网络),本文的神经网络作者都使用Caffe训练过,并在Kaggle的Intel癌症预测比赛中进行了测试与使用(top 8%)。

1. Alexnet

Alexnet,2012年ImageNet竞赛冠军,深度学习的里程碑。

网络结构地址:https://github.com/BVLC/caffe/tree/master/models/bvlc_alexnet

预训练模型地址:http://dl.caffe.berkeleyvision.org/bvlc_alexnet.caffemodel

2. Squeezenet

Squeezenet设计目标不是为了提高识别的准确率,而是希望简化网络复杂度。squeezenet的模型结构确实很小,没压缩的情况下才5M左右,而且识别的精度还可以。

网络结构地址:https://github.com/DeepScale/SqueezeNet

预训练模型地址:https://github.com/DeepScale/SqueezeNet

3. VGG系列

VGG和GoogLenet是2014年imagenet竞赛的双雄,VGG主要分为VGG16和VGG19。其网络结构与预训练模型的地址如下:

VGG16的网络结构:https://gist.github.com/ksimonyan/211839e770f7b538e2d8#file-readme-md

VGG16的预训练模型: http://www.robots.ox.ac.uk/~vgg/software/very_deep/caffe/VGG_ILSVRC_16_layers.caffemodel

VGG19的网络结构:https://gist.github.com/ksimonyan/3785162f95cd2d5fee77#file-readme-md

VGG19的预训练模型:http://www.robots.ox.ac.uk/~vgg/software/very_deep/caffe/VGG_ILSVRC_19_layers.caffemodel

备注:上面的网络结构需要进行细微调整才能在Caffe中直接训练,主要是网络结构中的Type类型。

4. Resnet系列

Resnet网络,2015年ImageNet竞赛冠军,网络结构主要分为Resnet-50、Resnet-101、Resnet-152三种,当然也有一些其它的结构,例如Resnet-18,Resnet-14。

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

Resnet-50、Resnet-101、Resnet-152的网络结构及预训练模型的下载地址:https://onedrive.live.com/?authkey=%21AAFW2-FVoxeVRck&id=4006CBB8476FF777%2117887&cid=4006CBB8476FF777

5. Inception系列

Inception系列是Google发明的一系列神经网络结构。

Inception-v1:

Inception-v1,即大名鼎鼎的GoogLenet,2014年ImageNet竞赛冠军。

网络结构地址:https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet

预训练模型地址:http://dl.caffe.berkeleyvision.org/bvlc_googlenet.caffemodel

Inception-v2:

即Inception V1 + Batch Normalization。

网络结构地址:https://github.com/pertusa/InceptionBN-21K-for-Caffe

预训练模型地址:http://www.dlsi.ua.es/~pertusa/deep/Inception21k.caffemodel

Inception-v3:

网络结构地址:https://pan.baidu.com/s/1boC0HEf#list/path=%2F

预训练模型地址:https://pan.baidu.com/s/1boC0HEf#list/path=%2F

Inception-v4:

网络结构地址:https://pan.baidu.com/s/1c6D150#list/path=%2F

预训练模型地址:https://pan.baidu.com/s/1c6D150#list/path=%2F

Inception-resnet-v2:

网络结构地址:https://pan.baidu.com/s/1jHPJCX4#list/path=%2F

预训练模型地址:https://pan.baidu.com/s/1jHPJCX4#list/path=%2F

Caffe Model Zoo

我自己整理的Caffe Model,SENet没有全部添加到仓库,DenseNet没添加到仓库。
https://github.com/SnailTyan/caffe-model-zoo

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,482评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,377评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,762评论 0 342
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,273评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,289评论 5 373
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,046评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,351评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,988评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,476评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,948评论 2 324
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,064评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,712评论 4 323
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,261评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,264评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,486评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,511评论 2 354
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,802评论 2 345

推荐阅读更多精彩内容