论文笔记：ImageNet Classification with Deep Convolutional Neural Networks

最新推荐文章于 2023-04-20 17:15:41 发布
VIP文章 最新推荐文章于 2023-04-20 17:15:41 发布
阅读量816 收藏 2
点赞数
分类专栏： 论文笔记 文章标签： alexnet cnn
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。
本文链接：https://blog.csdn.net/super_chicken/article/details/78708553
版权

ImageNet Classification with Deep Convolutional Neural Networks

概要

提出了深度卷积神经网络模型Alexnet，用于对ImageNet图像数据集进行分类。在2012年ILSVRC分类比赛取得top-5错误率15.3%获得冠军。

  • 基于ImageNet训练了卷积神经网络，获得了当时为止最好的分类结果
  • 实现了基于GPU优化的卷积和其他计算，用于训练CNN
  • 引入了一些新的用于提高CNN表现及减少过拟合的技术

数据集

ImageNet是一个包含约22000个类的约1500万张标记图像的数据集。ILSVRC比赛使用ImageNet的子数据集，包含约1000个类。

预处理：将所有图像处理为256x256，若图像为长方形，则将短边变换为256长边取中间区域。

网络结构

整个网络包括5层卷积层和3层全连接层，其中使用了一些当时的新技术。

ReLU

文章提出了新的激活函数ReLU：

对于深度卷积神经网络，使用ReLU的训练速度远远快于tanh。

多GPU训练
最低0.47元/天 解锁文章
super_chicken
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
ImageNet Classification with Deep Convolutional Neural Networks.pdf
03-15
ImageNet Classification with Deep Convolutional Neural Networks.pdf
ImageNet Classification with Deep Convolutional Neural Networks（AlexNet论文翻译（附原文））
cyf1294311560的博客
07-31 1747
AlexNet论文翻译（附原文）
论文研读 —— 6. ImageNet Classification with Deep Convolutional Neural Networks (1/3)
老程的技术笔记
01-17 1160
文章目录Authors and PublishmentAuthorsBibtexAbstract1. Introduction2. The Dataset Authors and Publishment Authors Alex Krizhevsky / University of Toronto Ilya Sutskever / University of Toronto Geoffrey E. Hinton / University of Toronto Bibtex Krizhevsky A, S
Alexnet论文介绍（超详细）——ImageNet Classification with Deep Convolutional Neural Networks
热门推荐
qq_45843546的博客
04-22 1万+
Alexnet论文介绍（超详细）——ImageNet Classification with Deep Convolutional Neural Networks
Regions with CNN features (R-CNN)
weixin_34060741的博客
02-10 206
Regions with CNN features (R-CNN) 基于卷积神经网络特征的区域方法 如下图。1.输入图像。2.基于原始图像提取种类独立的区域，构成候选区域集。3.对第2步提取出来的所有区域计算CNN特征，得到特征向量。4.使用特定的SVM分类器对第3步的特征向量进行分类。 主要有两个重要的观点： (1) 将CNN结构应用到候选区域 (2) 针对标记数据很少的...
AlexNet网络
shuijinghua的博客
06-05 1123
AlexNet是2012年ImageNet竞赛冠军获得者Hinton和他的学生Alex Krizhevsky设计的，也是在那年之后，更多更深的神经网络被提出，比如优秀的VGG, GoogleLeNet等。这对于传统的机器学习分类算法而言，已经相当的出色。 第一个典型的CNN是LeNet5网络结构，但是第一个引起大家注意的网络却是AlexNet, 也就是文章《image...
ImageNet Classification with Deep Convolutional Neural Networks
01-21
By Alex Krizhevsky, Ilya Sutskever, and Geoffrey E. Hinton
【4】Imagenet classification with deep convolutional neural networks.pdf
08-26
We trained a large, deep convolutional neural network to classify the 1.2 million high-resolution images in the ImageNet LSVRC-2010 contest into the 1000 different classes. On the test data, we ...
AlexNet - ImageNet Classification with Deep Convolutional Neural Networks 译文
07-12
AlexNet - ImageNet Classification with Deep Convolutional Neural Networks 译文
ImageNet Classification with Deep Convolutional Neural Networks自翻译
03-12
最近看了一下Alexnet经典的那篇论文，自己看完英文版就忘记了，结合翻译软件，自己翻译了一点，有很多地方不准确，见谅，第一次上传文档，如有侵权，抱歉
【学习日记】《深入浅出：图神经网络》：第三天---卷积神经网络
ZZU_chenhao的博客
01-13 1511
卷积神经网络 1. 卷积与池化 1.1 图像中的卷积 我们以图像为例来直观的理解卷积。 计算机中的图像通常都是按照像素点以离散的形式存储的，可以用一个二维或三维的矩阵来表示。假设对于一个二维的图像X∈R^ (HxW)，卷积核为G∈R ^ (kxk)，通常K为奇数。 则有，先将卷积核旋转180度，然后在输入中的对应位置取一个大小为k*k的区域，与旋转后的卷积核求内积，得到对应位置的输出。 1....
CV系列卷积神经网络典型应用—AlexNet
wwwwwwwjjxx的博客
04-01 834
AlexNet模型由8个层次组成，其中5个卷积层和3个全连接层。模型使用ReLU激活函数以及Dropout技术来减少过拟合，还使用了局部响应归一化（LRN）技术来增强模型的鲁棒性。AlexNet作为深度学习的里程碑，具有以下几个优点：较高的分类准确率：AlexNet模型在ImageNet数据集上取得了显著的成果，将误差率从以前的最佳结果26.2%降低到15.3%。激活函数和Dropout技术：AlexNet引入了ReLU激活函数和Dropout技术来减少过拟合，这些技术后来成为深度学习中常用的技术。
卷积神经网络
hyh14的博客
11-17 1039
全连接层，将卷积的输出。
ImageNet Classification with Deep Convolutional Neural Networks
moshiyaofei的博客
09-02 767
                                                             Abstract 我们训练了一个大型的深度卷积神经网络，将ImageNet LSVRC-2010比赛中的120万个高分辨率图像分类为1000个不同的类别。在测试数据上，我们实现了前三和前五的错误率分别为37.5％和17.0％，这比以前的最新技术水平要好得多。具有6000万个参...
[深度学习论文笔记][Image Classification] ImageNet Classification with Deep Convolutional Neural Networks
Hao_Zhang_Vision的博客
09-23 1903
Krizhevsky, Alex, Ilya Sutskever, and Geoffrey E. Hinton. “Imagenet classification with deep convolutional neural networks.” Advances in neural information processing systems. 2012. [Citations: 6774].
ImageNet Classification with Deep Convolutional Neural Network 论文笔记与复现（AlexNet Colab+Keras TB可视化)）
CJ-的博客
07-20 2709
本文用于记录阅读论文ImageNet Classification with Deep Convolutional Neural Networks中总结有价值的点。 文章目录0 Abstract1 Introduction2 The Dataset3 The Architecture3.1 ReLU Nonlinearity3.2 Training on Multiple GPUs 0 Abstr...
深度学习入门——深度卷积神经网络模型（Deep Convolution Neural Network,DCNN）概述
最新发布
qq_44918501的博客
04-20 6669
机器学习是实现人工智能的方法和手段，其专门研究计算机如何模拟或实现人类的学习行为，以获取新的知识和技能，重新组织已有的知识结构使之不断改善自身性能的方法。计算机视觉技术作为人工智能的一个研究方向，其随着机器学习的发展而进步，尤其近10年来，以深度学习为代表的机器学习技术掀起了一场计算机视觉革命。本文将针对典型的深度学习技术——深度卷积神经网络进行介绍，主要介绍深度卷积神经网络的基础知识。
深度学习经典研读——ImageNet Classification with Deep Convolutional Neural Networks
qq_44635194的博客
08-20 660
深度学习经典研读——ImageNet Classification with Deep Convolutional Neural Networks作者摘要 论文的题目就是标题啦，想必大家都听说过它的大名！介绍了一个经典的卷积神经网络 这里有几点要提醒大家 不要带入当下的环境 尽量把自己带入当时论文创作的环境下思考他为什么能脱颖而出 不要纠结论文里的深度两个字！ 作者 看到作者，想必大家学深度学习的都有听说过，都是巨头啊~！质量一定不错，可以学到好多东西！所以大家跟着我一起研读吧！ 摘要 大概意思是：
重读经典：《ImageNet Classification with Deep Convolutional Neural Networks》
10点43的博客
10-16 3674
9年后重读深度学习奠基作之一：AlexNet【下】【论文精读】
imagenet classification with deep convolutional neural networks
03-17
ImageNet分类是使用深度卷积神经网络（CNN）的一种方法。这种方法通过训练CNN来识别图像中的对象和场景，并将其分类到一组预定义的标签中。这种方法在计算机视觉领域中非常流行，并且在ImageNet大赛中取得了很好的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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