下圖所示CNN結(jié)構(gòu)演化的歷史，起點(diǎn)是神經(jīng)認(rèn)知機(jī)模型，已經(jīng)出現(xiàn)了卷積結(jié)構(gòu)，但是第一個(gè)CNN模型誕生于1989年，1998年誕生了LeNet。隨著ReLU和dropout的提出，以及GPU和大數(shù)據(jù)帶來的歷史機(jī)遇，CNN在12年迎來了歷史突破。12年之后，CNN的演化路徑可以總結(jié)為四條：1）更深的網(wǎng)絡(luò)，2）增強(qiáng)卷積模的功能以及上訴兩種思路的融合，3）從分類到檢測(cè)，4）增加新的功能模塊。

開始-LeNet

1998年，LeCun提出LeNet，并成功應(yīng)用于美國(guó)手寫數(shù)字識(shí)別。但很快，CNN的鋒芒被SVM和手工設(shè)計(jì)的局部特征蓋過。

轉(zhuǎn)折點(diǎn)-AlexNet

AlexNet 之所以能夠成功，深度學(xué)習(xí)之所以能夠重回歷史舞臺(tái)，原因在于：

非線性激活函數(shù)：ReLU

防止過擬合的方法：Dropout，Data augmentaTIon

大數(shù)據(jù)訓(xùn)練：百萬級(jí)ImageNet圖像數(shù)據(jù)

其他：GPU實(shí)現(xiàn)，LRN歸一化層的使用

VGGNet 可以看成是加深版本的 AlexNet，參見 Karen Simonyan 和 Andrew Zisserman 的論文《Very Deep ConvoluTIonal Networks for Large-Scale Visual RecogniTIon》。

VGGNet 和下文中要提到的 GoogLeNet 是2014年 ImageNet 競(jìng)賽的第二名和第一名，Top-5錯(cuò)誤率分別為7.32%和6.66%。VGGNet 也是5個(gè)卷積組、2層全連接圖像特征、1層全連接分類特征，可以看作和 AlexNet 一樣總共8個(gè)部分。

首先要說起 NIN（Network in Network）的思想（詳見 Min Lin 和 Qiang Chen 和 Shuicheng Yan 的論文《Network In Network》），它對(duì)傳統(tǒng)的卷積方法做了兩點(diǎn)改進(jìn)：將原來的線性卷積層（linear convoluTIon layer）變?yōu)槎鄬痈兄矸e層（multilayer perceptron）；將全連接層的改進(jìn)為全局平均池化。

MIN使得卷積神經(jīng)網(wǎng)絡(luò)向另一個(gè)演化分支—增強(qiáng)卷積模塊的功能的方向演化，2014年誕生了 GoogLeNet（即 Inception V1）。谷歌公司提出的 GoogLeNet 是2014年 ILSVRC 挑戰(zhàn)賽的冠軍，它將 Top-5的錯(cuò)誤率降低到了6.67%。GoogLeNet 的更多內(nèi)容詳見 Christian Szegedy 和 Wei Liu 等人的論文《Going Deeper with Convolutions》。

ResNet依然是：沒有最深，只有更深（152層）。聽說目前層數(shù)已突破一千。ResNet主要的創(chuàng)新在殘差網(wǎng)絡(luò)，這也是現(xiàn)在火熱的AlphaGo Zero主要技術(shù)之一。如圖11所示，其實(shí)這個(gè)網(wǎng)絡(luò)的提出本質(zhì)上還是要解決層次比較深的時(shí)候無法訓(xùn)練的問題。這種借鑒了Highway Network思想的網(wǎng)絡(luò)相當(dāng)于旁邊專門開個(gè)通道使得輸入可以直達(dá)輸出，而優(yōu)化的目標(biāo)由原來的擬合輸出H(x)變成輸出和輸入的差H(x)-x，其中H(X)是某一層原始的的期望映射輸出，x是輸入。