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