ResNet-50

 

ResNet-50经过了4个Block，每一个Block中分别有3，4，6，3个Bottleneck

现在来看一下这个网络图，

1. 首先输入的图片是3×224×224，也就是3个通道，图片尺寸为224×224；
2. 进入第一个卷积层，卷积核大小为7*7，卷积核个数为64，步长为2，padding为3；所以输出应该是（224-7+2×3）/2+1=112.5，向下取整得到112，所以输出是 64 ×112 ×112；
3. maxpool层会改变维度，但是不会影响个数

   到此即将进入第一个实线方框中，图1中结构所示，第一个实线方框中本来应该有3个Bottleneck，图2作者只画出两个，其实每一个Bottleneck里面包含两种Block，第一种是Conv Block，另一种是Identity Block。
首先说说Conv Block，也就是第一个实线方框中虚线连接的三层：

   可以看到，总体的思路是先通过1×1的卷积对特征图像进行降维，做一次3×3的卷积操作，最后再通过1×1卷积恢复维度，后面跟着BN和ReLU层；虚线处用256个1×1的卷积网络，将maxpool的输出降维到255×56×56。

                                     

再说Identity Block

也就是实线连接所示，不经过卷积网络降维，直接将输入加到最后的1×1卷积输出上。

经过后面的Block，经过平均池化和全连接，用softmax实现回归。