论文推荐【1】基于深度卷积网络的ImageNet分类

最新推荐文章于 2023-03-23 19:15:22 发布

原创

最新推荐文章于 2023-03-23 19:15:22 发布 · 1k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#网络 #神经网络 #深度学习 #计算机视觉

2012年，AlexNet在ImageNet竞赛中以深度卷积神经网络大幅降低分类错误率，引领计算机视觉领域变革。该文详细介绍了AlexNet的架构，包括5个卷积层和3个全连接层，以及采用的dropout等防止过拟合的技术。

论文推荐【1】基于深度卷积网络的ImageNet分类

这篇论述主要讲述了大名鼎鼎的AlexNet，AlexNet是卷积神经网络架构的起源（尽管可能会有人认为，1998年Yann LeCun发表的论文才是真正的开创性出版物）。这篇名为“基于深度卷积网络ImageNet分类（https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf?spm=a2c4e.11153959.blogcont552464.16.2a1e53d0ousmlV&file=4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf）”的论文总共被引用6,184次，被公认为是该领域最具影响力的论文之一。在2012年的ImageNet大规模视觉识别挑战赛中，Alex Krizhevsky等人创建的“大而深的卷积神经网络”取得了大赛冠军——将分类误差从26％降至15％，这是一个惊人的改进，几乎让所有的计算机视觉社区为之震撼。从那时起，卷积神经网络被广泛传播，成了一个家喻户晓的名字。

这篇文章我在PaperDecode上上传了还带有我的重点批注，有兴趣的可以去看一下原文：
点我进入论文

该论文讨论了AlexNet架构的网络结构。与现代架构相比，AlexNet使用了相对简单的网络结构：由5个卷积层、最大池化层、drop-out层和3个全连接层组成。他们设计的网络可用于对1000个类别进行分类。
在这里插入图片描述