2012年ImageNet ILSVRC获胜论文学习 - AlexNet

最新推荐文章于 2025-03-31 20:19:00 发布

RaymondLove~

最新推荐文章于 2025-03-31 20:19:00 发布

阅读量5.2k

点赞数

分类专栏： CS231n学习笔记文章标签： AlexNet

本文链接：https://blog.csdn.net/Emma_Love/article/details/88209818

版权

CS231n学习笔记专栏收录该内容

18 篇文章

订阅专栏

本文深入解析了AlexNet，2012年ImageNet竞赛冠军模型。介绍了其创新点，包括ReLU激活函数、局部响应归一化、最大池化及数据增强技术。详细描述了AlexNet的网络架构，由5个卷积层和3个全连接层组成，以及其学习过程和参数初始化方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

AlexNet

AlexNet是2012年的 ImageNet ILSVRC中获得冠军，识别率远远超过第二名（top 5 错误了16%，第二名为26%）。

链接：http://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf

1. 网络架构图

AlexNet的网络结构如下图所示：

如上图所示，可以看到AlexNet由5个卷积层+3个全连接层组成，并且由于当时GPU显存的限制，使用来块GPU进行训练，故上图绘制了两个流程。细节图如下：

2. AlexNet的创新点

AlexNet使用Relu替代了Sigmoid函数，能够更快的收敛，同时解决了Sigmoid在网络较深时出现的梯度小时问题。
在第一个和第二个卷积层添加局部响应归一化（Local Response Normalization，LNR），对局部神经元创建了竞争的机制,使得其中响应较大的值变得更大,并抑制反馈较小的。（强者更强，弱者更弱）
采用最大池化，而非平均池化，避免了平均池化的模糊的问题；并且采用步长比池化核的尺寸小的有重叠池化，提升了特征额丰富性
避免过拟合的方式
- 数据增强
  - 第一种数据增益的方法：通过平移和水平方向的映像
  - 第二种数据增益的方法：在图像中每个像素的R、G、B值上分别加上一个数，用到方法为PCA。对于图像每个像素，增加以下量： $[p_1,p_2,p_3] [\alpha_1\lambda_1,\alpha_2\lambda_2,\alpha_3\lambda_3]^T$ ，其中 $p_i,\lambda_i$ 分别代表特征向量和特征值， $\alpha_i$ 是高斯分布 $N(0,0.1)$ 中采样得到的随机值随机数。
- Dropout

3. AlexNet的学习过程

参数初始化：
- 用一个均值为0、标准差为0.01的高斯分布初始化了每一层的权重
- 用常数1初始化了第二、第四和第五个卷积层以及全连接隐层的神经元偏差；在其余层用常数0初始化神经元偏差。
优化方法采用：Momentum随机梯度下降法
- SGD参数设置：batch_size = 128，momentum = 0.9，weight_decay = 0.0005
- 参数更新过程：

$v_{i+1} := 0.9 \cdot v_i - 0.0005 \cdot \epsilon \cdot w_i - \epsilon \cdot \left \langle \frac{\partial L}{\partial w}| _{w_i} \right \rangle _{D_i}$