1、CNN的架构模型
CNN是一种前馈网络，即信息流从输入到输出都是单向的。正如人工神经网络(ANN)是受生物学启发的，CNN也是。大脑的视觉皮层由简单细胞和复杂细胞交替组成(Hubel & Wiesel, 1959, 1962)，这激发了他们对CNN架构的设计。CNN的架构有多种变体，通常，它们由卷积层和池化层(subsampling)组成，这些层被分组成模块。在前馈网络中，最后会连接一层或多层全连接层。这些模块通常堆叠在一起，形成一个深层模型。
图像直接输入到CNN网络中，接下来是几个阶段的卷积和池化，然后，经过一层或多层全连接层的特征表示，最后，经过一个完全连接层输出类标签。
从科学技术发展角度看，CNN经典框架的发现深受生物神经科学的发展，通过这篇博文《CNN简史》，我们会发现，现代人工神经网络受生物研究的影响可能比我们想象中的还要大。从中可以得到CNN的三个重要思想：a、权值共享 ; b、局部连接（也叫稀疏连接） ; c、平移不变性和等变性
1.1、权值共享
特性：使用卷积核的权重系数进行卷积时，在同一张图片上权重值系数是一样的，这就是权值共享。
好处：大大的减少了参数，加速了训练速度。
1.2、局部连接
特性：每个神经元仅与输入神经元的一块区域连接，这块局部区域称作感受野（receptive field）。在图像卷积操作中，即神经元在空间维度（spatial dimension）是局部连接。
好处：大大的减少了参数，加速了训练速度。
1.3、平移不变性和等变性
可以参考这篇博文《CNN 中的等变(equivariant)和不变(invariant)》
平移不变性是指不管对图像中目标进行平移、旋转或缩放，在输出中都能检测到该目标；平移等变性是指图像中目标按某个方向平移或旋转，在输出中相应特征也会在这个方向上移动或旋转；简单来说就是，在CNN的卷积操作中的参数共享使得它对平移操作有等变性，而一些池化操作对平移有近似不变性。
2、CNN经典架构
2.1 LeNet
1998年，LeNet由在深度学习领域有着三巨头之一美誉的LeCun等提出,这是最早、最著名的神经网络结构之一。LeNet主要用于识别手写字符，最高识别准确率为98％。LeNet奠定了现代卷积神经网络的基础。
LeNet是一个6层的网络结构，包括3个卷积层、2个下采样层和1个全连接层。每个卷积层包括卷积、池化以及sigmoid**函数三部分，使用卷积提取空间特征，降采样层采用平均池化，最后采用softmax作为多分类器。
2.2 AlexNet
为了增加AlexNet网络的深度和广度，2012年，Krizhevsky等设计了AlexNet网络，以极大的优势赢得了当年的ImageNet大规模视觉识别挑战赛(ILSVRC)，证明了复杂模型下卷积神经网络的有效性，建立了神经网络在计算机视觉领域中的主导地位。
AlexNet是一个8层的网络结构（不包括激励层、池化层、LRN（local response normalization）和dropout），其中包括5个卷积层和3个全连接层。第一个卷积层：f=11×11、s= 1和p= 0，第二个卷积层：f=5×5、s= 1和p= 0，其余卷积层：f=3×3、s= 1和p= 0；**函数使用ReLU；池化层：f=3×3、s= 2；全连接层使用了dropout技巧。
优势：1）ReLU 作为**函数，可以帮助解决深度网络梯度分散的问题；2）使用数据增强、dropout和LRN 层来阻止网络过度拟合，提高模型的泛化能力。
2.3 VGGNet
VGGNet是由GoogleDeepMind公司和牛津大学计算机视觉组联合提出的深度卷积网络，它证明网络深度是影响性能的关键因素。该网络有着良好的泛化性能，易于移植到别的图像识别项目，并可下载VGGNet已经训练好的参数以实现良好的初始化权重操作。许多卷积神经网络都是基于VGGNet，如FCN(fully convolutional networks)、UNet、SegNet等。VGGNet版本很多，常用的是VGG16、VGG19网络。
上图是VGG16的网络结构，共有16层（不计池化层和softmax），卷积核大小为3×3，深度分别为64、128、256、512、512，池化层：f=2×2、s= 2。
VGG16 网络结构与AlexNet相似，区别在于：１）VGGNet拥有16 ~ 19层的网络层数，而AlexNet只有８层，２）VGG16把卷积层上升到卷积块的概念，卷积块包括２~３个卷积层，增大了网络感受野，减少了网络参数，并且通过反复使用**函数ReLU，可得到更多的线性变换，进一步提高了学习能力。
2.4 GoogLeNet（此处主要介绍Inception V1，可以点击Inception版本变形查看V2、V3和V4）
GoogLeNet是Szegedy等提出的一种全新深度学习结构，网络结构和VGGNet类似，在主干卷积环节使用Inception结构模块，模块组之间使用步幅为２的３×３最大池化层以减小输出的高和宽。GoogLeNet的好处是很大程度上加深和加宽了网络，减少了参数量，将错误率降至6.656％，但该模型的计算复杂度高，修改通道数困难。
GoogLeNet Inception V1架构如下
Inception V1模块结构
2.5 ResNet
2015年He等提出ResNet网络，在主干卷积环节使用residual结构模块，使用152层超深卷积神经网络对输入数据进行训练，取得较好的效果。
上图为ResNet的基本模块，x 为输入样本，F(x)＋x是输出结果，F (x)表示网络中数据的运算方式。如果H (x)＝F (x)＋x 是神经网络的最优拟合结果，则最优的F (x)就是H (x)和x 的残差，采用拟合残差的方法来改善网络的性能，在训练期间保证了残差为零，因此含残差学习单元的深度学习模型网络性能不会受到影响。ResNet模型就是残差学习单元的连续叠加，理论上无限叠加也不会改变网络性能。
ResNet的创新点是：１）实现了深层的神经网络结构，解决了因不断深化神经网络而使得准确率达到饱和的问题；２）输入和输出能直接相连，这样学习残差就是整个网络的工作，很好地简化了学习目标与难度；３）ResNet是一种迁移性很好的网络结构，易于与其他网络集成。
2.6 DenseNet
Huang等提出了DenseNet网络，主要构建模块是稠密块和过渡层。稠密块为稠密连接的highway的模块，过渡层为相邻２个稠密块的中间部分。稠密块定义输入和输出的连接方法，过渡层用于确定通道数。稠密块内部特征图大小必须一致，层级输入是多个字符串的连接，区别于ResNet的element-wise连接，内部每个节点代表BN＋ReLU＋Conv。
传统卷积神经网络中，如果有 L 层，就有L 个连接，但在DenseNet中，每个稠密块都利用该模块中前面所有层的信息，如上图所示，即每层都与前面层有highway的稠密连接，连接数目为L ×(L ＋１)/２。highway的稠密连接方式缓解了深层网络的梯度消失问题，特征得到了重用，大幅度减少了模型参数，甚至减少了在小样本数据上的过拟合。其缺点是：随着稠密块深度的加深，深层输入特征图谱的维度和最终输出的维度都非常大，针对该问题，采取在稠密块里添加Bottleneck单元和在过渡层里添加１×１卷积的方式来降维。
3、参考资料
1、Deep Convolutional Neural Networks for Image Classification：A Comprehensive Review
2、LeNet5：Gradient-Based Learning Applied to Documnet Recognition
3、AlexNET：ImageNet Classification with Deep Convolutional Neural Networks
4、VGG：Very Deep Convolutional Networks for Large-Scale Image Recognition
5、GoogLeNet-Inception V1：Going Deeper with Convolutions
6、ResNet V1：Deep Residual Learning for Image Recognition
7、DenseNet：Densely Connected Convolutional Networks
8、《CNN经典结构》