Обзор и ландшафт архитектурной эволюции

Мы переходим от фундаментального успеха AlexNet к эпохе сверхглубоких сверточных нейронных сетей (CNN). Этот сдвиг потребовал глубоких архитектурных инноваций для работы с экстремальной глубиной при сохранении стабильности обучения. Мы проанализируем три ключевые архитектуры —VGG, GoogLeNet (Inception), и ResNet—понимая, как каждая из них решала различные аспекты проблемы масштабирования, заложив основу для строгой интерпретации моделей в последующих частях урока.

1. Структурная простота: VGG

VGG ввела парадигму максимизации глубины с использованием исключительно однородных и малых размеров ядер (исключительно 3x3 сверточных фильтров сложенных). Несмотря на высокую вычислительную сложность, его структурная однородность показала, что чистая глубина, достигаемая за счет минимальных изменений архитектуры, была главным фактором повышения производительности, укрепив важность малых полей восприятия.

2. Вычислительная эффективность: GoogLeNet (Inception)

GoogLeNet противостоял высокой вычислительной стоимости VGG, делая акцент на эффективности и многомасштабном извлечении признаков. Ключевая инновация — это модуль Inception, который выполняет параллельные свертки (1x1, 3x3, 5x5) и пулинг. Критически важно, что он использует свертки 1x1 как бутылочные горлышки для резкого снижения количества параметров и вычислительной сложности до дорогостоящих операций.

Ключевая инженерная проблема

Residual Learning: ResNet

ResNet solved the degradation problem by introducing the identity mapping (skip connection). This non-sequential shortcut allows the network to learn a residual function $F(x)$ instead of a direct mapping $H(x)$, effectively ensuring that adding more layers can only improve or maintain performance, dramatically improving optimization stability.

Diagram showing a ResNet skip connection architecture

Question 1

Which architecture emphasized structural uniformity using mostly 3x3 filters to maximize depth?

AlexNet

VGG

GoogLeNet

ResNet

Question 2

The 1x1 convolution is primarily used in the Inception Module for what fundamental purpose?

Increasing feature map resolution

Non-linear activation

Dimensionality reduction (bottleneck)

Spatial attention

Critical Challenge: Vanishing Gradients

Engineering Solutions for Optimization

Explain how ResNet’s identity mapping fundamentally addresses the Vanishing Gradient problem beyond techniques like improved weight initialization or Batch Normalization.

Describe the mechanism by which the skip connection stabilizes gradient flow during backpropagation.

Solution:
The skip connection introduces an identity term ($+x$) into the output, creating an additive term in the derivative path ($\frac{\partial Loss}{\partial H} = \frac{\partial Loss}{\partial F} + 1$). This term ensures a direct path for the gradient signal to flow backwards, guaranteeing that the upstream weights receive a non-zero, usable gradient signal, regardless of how small the gradients through the residual function $F(x)$ become.