AlexNet论文阅读【ImageNet Classification with Deep Conventional Neural Networks】

最新推荐文章于 2023-10-05 17:34:33 发布
最新推荐文章于 2023-10-05 17:34:33 发布
阅读量222 收藏
点赞数
分类专栏： 论文阅读 神经网络 AI换脸
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/mzj15101229871/article/details/109202081
版权

论文题目和原文地址：ImageNet Classification with Deep Convolutional Neural Networksvolu

卷积在三通道上的操作

在这里插入图片描述
一般来说有几个卷积核，最终得到的featuremap就有几个。三通道的图片对应的卷积核也是三通道的，三个通道分别卷积之后对应位置相加填在featuremap中。比如上图中最右边的3就是通过三个通道卷积之后得到的。
池化
也叫做下采样，pooling。有平均池化和最大值池化，可以减少featuremap的尺寸，减少计算量，避免过拟合，引入平移不变性。
Relu不饱和的激活函数可以解决梯度消失问题。
在这里插入图片描述
在下面的网络中，有5个卷积层和3个全连接层，所以有8个能够自己学习权重的层。
在这里插入图片描述
提出了局部响应归一化，就使得不同通道上的同一像素位置不会出现太多的高激活，而且会抑制附近的激活
在这里插入图片描述
重叠池化
在这里插入图片描述
在这里插入图片描述
水平翻转，随机裁剪，平移变换，颜色、光照变换增大数据集，减少过拟合
在这里插入图片描述
减少过拟合之dropout随机掐死一些神经元。减少了神经元的存在依赖适应性，逼着神经元和不同的神经元进行合作。
在这里插入图片描述

论文阅读

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
卷积网络中神经元的个数=featuremap的元素个数=卷积的次数

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

只会写bug的菜鸡
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
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
01-21
By Alex Krizhevsky, Ilya Sutskever, and Geoffrey E. Hinton
AlexNet论文解读——ImageNet Classification with Deep Convolutional
hhhyixin的博客
09-25 1039
此文章为bilibili up主梗直哥AlexNet论文精读视频的笔记。
卷积神经网络 (为什么是卷积?)
Yongfeng's Blog
08-04 3758
卷积神经网络（Conventional Neural Network, CNN）是深度学习的重要算法之一，常常应用在计算机视觉问题中，如图像分类和目标检测等。CNN 能够解决传统神经网络参数过多和丢失结果信息的缺点，这也人们选择 CNN 的主要原因。
AlexNet 论文解读 - ImageNet Classification with Deep Convolutional Neural Networks
最新发布
m0_65305142的博客
10-05 213
提出的AlexNet基于卷积神经网络，限定了层数，提出激活函数ReLUReLUReLU和局部反应归一化方法LRNLRNLRN，使用数据处理、DropoutDropoutDropout等方法应对过拟合。
论文阅读笔记(二)ImageNet Classification with Deep ConvolutionalNeural Networks
nofaliure的博客
09-30 506
论文阅读笔记(二)ImageNet Classification with Deep ConvolutionalNeural Networks
【论文阅读】ImageNet Classification with Deep Convolutional Neural Networks （alexnet）
miracleoa的博客
09-17 880
文章目录摘要一、介绍二、数据集 摘要 这是近年神经网络兴起的除了LeNet之外的第一个开山之作，在ImageNetSVRC-2010的1000个类的120万张高分辨率图像中，获得了37.5%和17.0%的top-1和top-5的错误率。alexNet由5个卷积层和3个全连接层构成，其中还加入了一些max pooling层，最后用softmax回归的到1000个结果。使用了dropout正则化方法来防止过拟合。 一、介绍 由于之前的方法主要是机器学习的方法，在对CIFAR-10/100等只有数万张的数据集能够
ImageNet Classification with Deep Convolutional Neural Networks.pdf
03-15
ImageNet Classification with Deep Convolutional Neural Networks.pdf
【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...
ImageNet_Classification_with_Deep_Convolutional_Neural_Networks
06-09
ImageNet_Classification_with_Deep_Convolutional_Neural_Networks.pdf
ImageNet Classification with Deep Convolutional Neural Networks
08-06
ImageNet Classification with Deep Convolutional Neural Networks
AlexNet——ImageNet Classification with Deep Convolutional Neural Networks
weixin_44853840的博客
05-06 365
研究意义 拉开卷积神经网络统治计算机视觉的序幕 加速计算机视觉应用落地 研究成果 SIFT+FVS:ILSVRC-2012分类任务第二名 1 CNN：训练1个AlexNet 5 CNNs：训练5个AlexNet取平均值 1CNN*：在最后一个池化层之后，额外添加6个卷积层，并使用ImageNet（秋）数据集上预训练 7CNNs*：两个预训练微调，与5CNNs取平均值 ...
经典论文阅读(1)-AlexNet
kabuto_hui的博客
03-22 2007
0. 前言   AlexNet是深度学习领军任务Geoffrey Hinton教授的学生Alex Krizhevsky提出来的。AlexNet在ILSVRC 2012竞赛中以压倒性的成绩获得了冠军。AlexNet是一个具有突破性意义的模型，在他之前，神经网络和深度学习都陷入了长时间的瓶颈期。AlexNet一经问世就统治了整个图像识别领域。直至今日，AlexNet也依然是效果出色且具有启发意义的网络...
机器学习 卷积神经网络 Convolutional Neural Network(CNN)
weixin_51745630的博客
03-28 6027
CNN— 卷积神经网络 CNN专用在影像上的神经网络，目的是作影像辨识、影像分类，即通过输入的影像，输出影像中的内容。 对于CNN，有两种解释方法： 法一 如上图所示： 输入：image（假设大小固定为100x100，若非100x100的图片则需要rescale后再放入影像辨识系统中） 输出：y’（vector） 目标输出：y^ （每一个目标需要表示成one-hot vector，在向量中数值为1的维度对应所属目标，且维度长度决定现在的模型可辨识不...
《ImageNet Classification with Deep Convolutional Neural Networks》论文研读及AlexNet代码实现
weixin_45703331的博客
10-27 853
《ImageNet Classification with Deep Convolutional Neural Networks》论文研读及AlexNet代码实现
经典论文研读：ImageNet Classification with Deep Convolutional Neural Networks
程序猿视角
04-24 1633
简单讨论了 AlexNet 的首发论文，以及论文摘译。
【图像分类—AlexNet】ImageNet Classification with Deep Convolutional Neural Networks
扬帆·启航
12-07 1375
在ImageNet LSVRC-2010 2012表现突出，top-1误差率37.5%，以及top-5误差率17.0%；网络有6000万个参数和650,000个神经元；网络结构五个卷积层，以及某些卷积层后的池化层，以及最后的三个全连接层；引入正则化方法dropout；引入ReLU修正线性单元。
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.

“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