ImageNet Classification with Deep Convolutional Neural Networks经典论文

已于 2022-04-16 22:11:37 修改
阅读量2.8k 收藏 3
点赞数
分类专栏： 论文阅读 文章标签： 机器学习
于 2022-04-13 21:16:24 首次发布
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/m0_63520910/article/details/124151395
版权

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，在AlexNet被提出之前，图像分类任务是基于特征工程，而2012之后，基于神经网络，实现一个端到端的任务的实现，即输入图像直接可以得到分类。

 二    通过举一个鸢尾花的例子来说明一下

        基于特征工程-人工选择鸢尾花的特征，然后运行分类模型（比如SVM,K-means等机器学习方法），进而得到分类结果。（一些简单的任务，我们还可以人工找到它的特征，但是如果是复杂的，可能就不能轻易地找到特征了）

        基于神经网络-直接输入图像，得到分类结果（减掉了特征工程这一步骤）

 三 加速计算机视觉应用落地，如人脸识别，行人检测、车牌检测与识别等等。

2、论文解读（本篇论文中提到的深度卷积神经网络就是AlexNet）

（1）摘要

（2） 论文做什么

       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类为1000种不同的类别。

（3）用什么方法实现的

        一个大型的深度卷积神经网络，现在我们把它成为AlexNet。

（4）实现过程（AlexNet结构）

5个卷积+3个全连接

 更清晰的表示

 （5）实验结果

       

oyou-2021
关注
专栏目录
ImageNet Classification with Deep Convolutional Neural Networks.pdf
03-15
标题和描述中提到的知识点是关于使用深度卷积神经网络（Deep Convolutional Neural Networks, DCNNs）进行ImageNet图像分类的研究。ImageNet是一个大规模的视觉识别挑战赛，旨在评估参赛模型的图像分类性能。在这项...
论文阅读：ImageNet
weixin_73479446的博客
08-04 352
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。
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
《ImageNet: A Large-Scale Hierarchical Image Database》李飞飞论文阅读笔记
最新发布
Keep_Calm_的博客
08-12 560
《ImageNet: A Large-Scale Hierarchical Image Database》李飞飞论文阅读笔记
《ImageNet Classification with Deep Convolutional Neural Networks》论文研读及AlexNet代码实现
weixin_45703331的博客
10-27 942
《ImageNet Classification with Deep Convolutional Neural Networks》论文研读及AlexNet代码实现
【论文摘要】ImageNet：A Large-Scale Hierarchical Image Database
joyce_peng的博客
05-02 8924
imagenet论文解读博客
读论文随笔 01：ImageNet Classification with Deep Convolutional Neural Networks （AlexNet）
weixin_56004083的博客
08-27 115
作者在这个研究中使用了深度卷积神经网络对ImageNet里的120万张图片做分类，同时他们所构建出的模型在2012年ILSVRC中拿到第一名。
ImageNet Classification with Deep Convolutional Neural Networks
01-21
Hinton三位学者撰写的这篇题为《使用深度卷积神经网络进行ImageNet分类》的研究论文，是该领域具有里程碑意义的文献。这篇文章不仅在技术上做出了开创性的贡献，而且在推动深度学习在图像处理领域中的应用中起到了...
AlexNet - ImageNet Classification with Deep Convolutional Neural Networks 译文
07-12
《ImageNet Classification with Deep Convolutional Neural Networks》这篇论文介绍了AlexNet，一个具有里程碑意义的深度卷积神经网络（Convolutional Neural Network, CNN）。该模型由Alex Krizhevsky、Ilya ...
【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 ...
ImageNet Classification with Deep Convolutional Neural Networks自翻译
03-12
"ImageNet Classification with Deep Convolutional Neural Networks" 本文介绍了使用深度卷积神经网络（Deep Convolutional Neural Networks）进行ImageNet分类的研究结果。作者训练了一个大型的深度卷积神经网络...
论文阅读笔记二-ImageNet Classification with Deep Convolutional Neural Networks
weixin_34404393的博客
03-03 140
分类的数据大小：1.2million 张，包括1000个类别。 网络结构：60million个参数，650，000个神经元。网络由5层卷积层，其中由最大值池化层和三个1000输出的（与图片的类别数相同）全链接层组成。 选用非饱和神经元和高性能的GPU来增强卷积操作。为防止在全链接层发生过拟合，我们进行规则化 'dropout'操作，效果明显。 1.说明： 通过改变卷积神经网络的深度和宽度可...
重新标记ImageNet：从全局标签到局部标签（附github代码及论文）
gzq0723的博客
02-19 1322
欢迎关注“计算机视觉研究院”计算机视觉研究院专栏作者：Edison_GImageNet可以说是最受欢迎的图像分类基准，但它也是一个具有显著噪声的标签。最近的研究表明，许多样本包含多个类，尽管被假定为单个标签基准。因此，他们建议将ImageNet评估变成一个多标签任务，每个图像都有详尽的多标签注释。然而，他们还没有固定训练集，大概是因为强大的注释成本。长按扫描二维码关注我们回复“Re-image”获...
经典论文阅读《ImageNet Classification with Deep ConvolutionalNeural Networks》
m0_49534117的博客
08-28 635
1.训练了一个大型深度卷积神经网络来将ImageNet LSVRC-2010竞赛的120万高分辨率的图像分到1000不同的类别中。在测试数据上，得到了top-1 37.5%, top-5 17.0%的错误率，这个结果比目前的最好结果好很多。2.这个神经网络有6000万参数和650000个神经元，包含5个卷积层（某些卷积层后面带有池化层）和3个全连接层，最后是一个1000维的softmax。3.为了训练的更快，我们使用了非饱和神经元并对卷积操作进行了非常有效的GPU实现。.........
重读经典：《ImageNet Classification with Deep Convolutional Neural Networks》
10点43的博客
10-16 4609
9年后重读深度学习奠基作之一：AlexNet【下】【论文精读】
Alexnet论文介绍(ImageNet Classification with Deep Convolutional Neural Networks)
hustqb的博客
12-14 2489
摘要   本文训练了一个深度卷积神经网络进行ImageNet LSVRC-2010图片分类比赛(1000各类别，共120万高质量标注的图片)，在top1测试场景下错误率37.5%，在top-5测试场景下错误率17.0%，远小于之前最好的结果。   网络的大体结构：6000万个参数、65万个神经节点、5个卷积层、几个最大值池化层(max-pooling layers)、3个全连接层、最后还有一个10...
论文阅读：ImageNet Classification with Deep Convolutional Neural Networks
pwh1209的博客
06-11 684
论文题目：ImageNet Classification with Deep Convolutional Neural Networks 作者：Alex Krizhevsky、Ilya Sutskever、Geoffrey E. Hinton 论文要点 论文简述 论文要点 网络架构 学习细节 实验结果 结果讨论 1 论文简述 本文主要使用深度学习技术，讲述了一种可实现的神经网络架构，在ImageNet LSVRC-2010比赛中将120万张高分辨率图像分为1000个类别，获得的top-1和top-5错误
经典论文研读：ImageNet Classification with Deep Convolutional Neural Networks
程序猿视角
04-24 1662
简单讨论了 AlexNet 的首发论文，以及论文摘译。
AlexNet论文解析—ImageNet Classification with Deep Convolutional Neural Networks
xiaoxu的博客
05-26 1426
摘要进行解读1.在ILSVRC-2010的120万张图片上训练深度卷积神经网络，获得最优结果，top-1和top-5error分别为37.5%，17%2.该网络（AlexNet）由5个卷积层和3个全连接层构成，共计6000万参数，65万个神经元3.为加快训练，采用非饱和激活函数一一ReLU，采用GPU训练4.为减轻过拟合，采用Dropout5.基于以上模型及技巧，在ILSVRC-2012以超出第二名10.9个百分点成绩夺冠。快速的泛读论文，确定文章的小标题结构TheDataset。
引用ImageNet classification with deep convolutional neural networks的格式
05-19
[1] Krizhevsky, A., Sutskever, I., & Hinton, G. E.... ImageNet classification with deep convolutional neural networks. Advances in neural information processing systems, 25, 1097-1105.
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