《ImageNet: A Large-Scale Hierarchical Image Database》李飞飞论文阅读笔记

最新推荐文章于 2025-04-21 12:00:00 发布
原创 最新推荐文章于 2025-04-21 12:00:00 发布 · 947 阅读 · 5 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#数据库 #论文阅读 #笔记

OpenSNN开思通智网，官网地址：https://w3.opensnn.com/
2024年8月份 “O站创作者招募计划”
快来O站写文章，千元大奖等你来拿！
“一起来O站，玩转AGI！”

论文地址: 《ImageNet: A Large-Scale Hierarchical Image Database》
这篇论文是关于一个叫做“ImageNet”的大型图像数据库的介绍。

核心观点：

  1. 背景：互联网上图片数据非常多，但如何有效地组织和利用这些数据是一个问题。
  2. ImageNet数据库：为了解决这个问题，研究人员创建了一个叫做ImageNet的数据库。这个数据库基于WordNet（一个英语词汇数据库）的结构，按照WordNet的层次结构来组织图片。
  3. 规模和多样性：ImageNet的目标是为WordNet中的大部分词汇集（大约80,000个）提供500到1000张高质量的图片，总共会有数千万个标注过的图片。
  4. 数据收集：研究人员使用亚马逊的Mechanical Turk（一个众包平台）来收集和筛选图片，确保图片的质量和多样性。
  5. 应用示例：论文还展示了ImageNet在物体识别、图像分类和自动物体聚类等简单应用中的
最低0.47元/天 解锁文章
【论文摘要】ImageNet：A Large-Scale Hierarchical Image Database
joyce_peng的博客
05-02 1万+
imagenet论文解读博客
论文阅读：ImageNet
weixin_73479446的博客
08-04 770
我们训练了一个大型的深度卷积神经网络，将ImageNet LSVRC-2010竞赛中的120万张高分辨率图像分为1000个不同的类别。在测试数据上，我们实现了前1和前5的错误率分别为37.5%和17.0%，大大优于之前的先进技术。这个神经网络有6000万个参数和65万个神经元，由5个卷积层组成，其中一些是最大池化层，还有3个完全连接的层，最后是1000路softmax。为了使训练更快，我们使用了非饱和神经元和一个非常高效的GPU实现卷积操作。
《ImageNet Classification with Deep Convolutional Neural Networks》论文导读
谷哥的小弟
09-16 6629
《ImageNet Classification with Deep Convolutional Neural Networks》是一篇在深度学习领域具有重要影响力的论文，由Alex Krizhevsky、Ilya Sutskever和Geoffrey E. Hinton等人撰写。该论文主要介绍了利用深度卷积神经网络（Deep Convolutional Neural Networks，简称CNNs）在ImageNet数据集上进行图像分类的研究，并取得了显著的效果。
ImageNet图像数据集介绍
热门推荐
网络资源是无限的
03-16 15万+
ImageNet图像数据集始于2009年，当时李飞飞教授等在CVPR2009上发表了一篇名为《ImageNet: A Large-Scale Hierarchical Image Database》的论文，之后就是基于ImageNet数据集的7届ImageNet挑战赛(2010年开始)，2017年后，ImageNet由Kaggle(Kaggle公司是由联合创始人兼首席执行官Anthony Gold...
论文：ImageNet Classification with Deep Convolutional Neural Networks
xxiaozr的博客
03-29 696
1简介： 我们的模型有五层卷积层和三个全连接层组成。移除每一层这个模型的性能就会下降。 2数据 ImageNet是一个拥有大约22000个类别，15百万的有标签的数据集。ILSVRC使用这个数据集的子集，大约包含1000个类，每一个类大约有1000个图片。总的来说，大约有1.2百万的训练数据，50000的检验数据和150000的测试数据。 Im
论文阅读笔记——A0: An Affordance-Aware Hierarchical Model for General Robotic Manipulation
最新发布
Multiple_x的博客
04-21 1655
A0: An Affordance-Aware Hierarchical Model for General Robotic Manipulation 论文阅读笔记，其核心创新在于将任务分解为**高层空间可操作性推理**与**底层动作执行**，通过跨平台的**具身无关可操作性表示**（Embodiment-Agnostic Affordance Representation）预测物体中心的接触点与轨迹，实现多机器人系统的泛化能力。
论文详解——《InternImage: Exploring Large-Scale Vision Foundation Models with Deformable Convolutions》
zyw2002的博客
08-18 9162
原文翻译摘要与近年来large-scale vision Transformer(ViTs)取得的巨大进展相比，基于卷积神经网络(cnn)的大型模型尚处于早期阶段。本文提出了一种新的large-scale CNN-based foundation model，称为。类似于VIT，该模型可以通过增加参数和训练数据获得增益。与最近的CNN聚焦于large dense kernels不同，
HiFormer: Hierarchical Multi-scale Representations Using Transformers forMedical Image Segmentation
qq_63293575的博客
11-20 1173
卷积神经网络（CNN）的本质限制了对长距离依赖性和空间相关性的建模能力。Transformer 擅长捕捉全局特征（解决了上述问题），但其在捕获低级特征（如边缘信息或细节）方面表现不足。的新方法，结合 CNN 和 Transformer 的优势。
《ImageNet Classification with Deep Convolutional Neural Networks》论文研读及AlexNet代码实现
weixin_45703331的博客
10-27 1579
《ImageNet Classification with Deep Convolutional Neural Networks》论文研读及AlexNet代码实现
论文解读：ImageNet Classification with Deep ConvolutionalNeural Networks
weixin_73743190的博客
11-12 1301
当前的目标识别方法基本使用了机器学习方法。为了提高它们的性能，我们可以收集更大的数据集，学习更强大的模型，并使用更好的技术来防止过拟合。直到最近，标记图像的数据集相对较小，大约为数万张图像(例如，NORB [12]， Caltech-101/256[8,9]和CIFAR-10/100[12])。使用这种大小的数据集可以很好地解决简单的识别任务，特别是如果它们使用保持标签的转换进行增强。例如，目前MNIST数字识别任务的最佳错误率(
ImageNet原文文献及中文翻译
10-06
这是ImageNet的介绍文献，包括英文原版，和我和几位小伙伴的翻译。 翻译是按照行对应的，容易看懂。 里面有部分专业名词的翻译仍有待商榷，欢迎留言指正。
《ImageNet Classification with Deep Convolutional Neural Networks》论文阅读
Chris_zhangrx的博客
12-13 3109
Abstract　　在 LSVRC-2010 数据集上我们训练了分成 120 万张分成 1000 类的高分辨率图片，在测试集上分别获得了top-1，top-5 错误率分别是37.5%和17.0%。本神经网络包含6千万个参数，65万个神经元，由 5 个卷积层加 3 个全连接层组成。为了减少过拟合，使用了Dropout策略。同时我们使用这个模型参加了ILSVRC-2012 比赛，相较于第二名 TOP-5
ImageNet Evolution论文笔记（2）
qq_27163197的博客
10-26 409
Very deep convolutional networks for large-scale image recognition 说明： use very small (3 × 3) convolution filters in all layers to increase the depth of the network，VGGNet的拓展性很强，迁移到其他图片数据上的泛化性非常好;VGG
ImageNet介绍
土豆同学的博客
01-29 1万+
ImageNet介绍 time: 2021.01.29     author: Blue         e-mail: 2458682080@qq.com 一. 引言        此文为阅读《ImageNet: A Large-Scale Hierarchical Image Database》论文的总结，本文按照原论文的结构进行归纳总结，
ImageNet2012图像数据集
u013479571的专栏
11-09 4875
原文链接：https://blog.youkuaiyun.com/fengbingchun/article/details/88606621 ImageNet图像数据集始于2009年，当时李飞飞教授等在CVPR2009上发表了一篇名为《ImageNet: A Large-Scale Hierarchical Image Database》的论文，之后就是基于ImageNet数据集的7届ImageNet挑战赛...
ImageNet Evolution论文笔记（1）
qq_27163197的博客
10-26 796
Imagenet classification with deep convolutional neural networks 1，The Dataset ImageNet：we down-sampled the images to a fixed resolution of 256 × 256. Given arectangular image, we first rescaled th
论文研读 —— 6. ImageNet Classification with Deep Convolutional Neural Networks (3/3)
老程的技术笔记
01-17 694
文章目录6. Results6.1. Qualitative Evaluations7. DiscussionReferences 6. Results Our results on ILSVRC-2010 are summarized in Table 1. Our network achieves top-1 and top-5 test set error rates of 37.5%37.5\%37.5% and 17.0%17.0\%17.0% 1. The best performance ac
ImageNet Classification with Deep Convolutional Neural Networks经典论文
m0_63520910的博客
04-13 2964
来自B站视频​​​​​​【论文复现代码数据集见置顶评论】3小时高效复现CV计算机视觉经典论文！论文精讲&代码复现：目标检测、图像分类、图像分割、轻量化网络、GAN、OCR_哔哩哔哩_bilibili 博客-ImageNet Classification with Deep Convolutional Neural Networks论文解读 - 知乎 1、研究背景 AlexNet成功的两个因素，第一个是数据集，第二个是强大的计算资源。 AlexNet的研究意义 一...
论文阅读（1）——ImageNet Classification with Deep Convolutional Neural Networks
lhanchao的博客
05-18 1404
这篇论文主要讲的是Hinton和他的学生在参加LSVRC-2010和2012比赛中用到的网络结构。 主要分为以下几个方面：1.ReLU非饱和非线性激活函数这里主要讲的是ReLU函数相对与传统的sigmoid和tanh函数的优势。论文中提到ReLU属于非饱和非线性函数，性对于传统的sigmoid和tanh等饱和非线性激活函数有着收敛速度更快的优势。非饱和是指，随着x轴上变量的增大变得比较大时，y轴的
STAR-RL: Spatial-temporal Hierarchical Reinforcement Learning for Interpretable Pathology Image Super-Resolution
03-19
<think>嗯，用户想了解STAR-RL算法在病理图像超分辨率中的应用，还有具体的实现和解释。首先，我需要回忆一下STAR-RL的基本概念。STAR-RL是Spatial-temporal Hierarchical Reinforcement Learning的缩写，对吧？那应该涉及到空间和时间的分层强化学习结构。我之前读过TopoAL的论文，里面提到过类似的分层方法用于道路分割，可能和空间结构有关联，不过这里的应用是病理图像超分辨率，所以需要结合超分辨率的特点。 病理图像超分辨率的关键在于恢复高分辨率细节，这对诊断很重要。传统方法可能有局限性，比如CNN-based方法可能在复杂纹理上表现不佳。而强化学习，特别是分层结构，可能能更好地处理多尺度信息和时间依赖性。STAR-RL中的空间分层可能是指不同层次处理不同尺度的图像区域，而时间分层可能涉及逐步细化分辨率的过程。 接下来，实现部分可能需要分层次设计。比如高层策略决定整体区域的关注点，中层处理局部块，低层负责像素级的细节。这样的分层结构有助于解释性，因为每个层次的任务明确。奖励函数的设计可能结合像素级的差异（如PSNR）和感知质量指标（如SSIM）。同时，对抗学习可能被引入，类似TopoAL中的对抗训练，来增强细节生成的真实性。 在解释性方面，分层结构自然提供了不同层次的决策依据，比如高层关注重要组织区域，中层细化结构，低层优化纹理。可视化各层的注意力图或策略路径可能帮助理解模型如何逐步重建图像。此外，时间维度可能涉及多步迭代优化，逐步提升分辨率，每一步都有明确的改进目标。 用户可能还想知道具体的网络架构、训练技巧、评估指标，以及如何在实际病理图像上应用。需要确保回答涵盖算法结构、实现关键点、解释性方法和应用场景，同时引用相关文献，比如TopoAL的方法作为参考。还要注意使用正确的LaTeX格式，行内公式用$...$，独立公式用$$...$$，并生成相关问题引导进一步学习。</think>### STAR-RL 算法及其在病理图像超分辨率中的应用 #### 1. 算法核心思想 STAR-RL（Spatial-temporal Hierarchical Reinforcement Learning）通过**空间-时间分层强化学习框架**实现病理图像超分辨率。其核心是将超分辨率任务分解为： - **空间分层**：在$n \times n$像素块级别处理局部特征，通过注意力机制聚焦关键区域[^1] - **时间分层**：在多时间步中逐步优化分辨率，每个步骤对应特定放大倍数 #### 2. 实现关键模块 ```python class STAR_RL(nn.Module): def __init__(self): # 高层策略网络（决定区域关注优先级） self.high_level = SpatialAttention() # 中层Q网络（处理局部块优化） self.mid_level = QNetwork() # 低层执行器（像素级操作） self.low_level = PixelOptimizer() def forward(self, lr_img): region_weights = self.high_level(lr_img) # 空间重要性评估 patch_sequence = self.mid_level(lr_img, region_weights) hr_output = self.low_level(patch_sequence) return hr_output ``` #### 3. 奖励函数设计 $$R(s_t,a_t) = \alpha \cdot \text{PSNR}(y_t,y_{true}) + \beta \cdot \text{SSIM}(y_t,y_{true}) - \gamma \cdot \text{Complexity}(a_t)$$ 其中$\alpha,\beta,\gamma$为权重系数，$y_t$为中间输出，$y_{true}$为真实高分辨率图像 #### 4. 解释性实现 通过三层结构提供可解释性： 1. **高层决策可视化**：生成区域关注热力图 2. **中层路径追踪**：记录patch处理顺序 3. **低层操作记录**：保存像素级修改日志 #### 5. 病理图像适配 - 使用病理先验知识约束动作空间，如细胞形态学规则 - 引入对抗训练增强细节真实性（参考TopoAL的对抗学习架构[^1]） - 支持$4\times$到$40\times$的多尺度放大
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值