CNN图像分类模型(二)——AlexNet

本文详细介绍了AlexNet模型,该模型在2012年ImageNet竞赛中夺冠,推动了深度学习在图像分类领域的应用。文章涵盖了AlexNet的网络结构,包括5个卷积层和3个全连接层,以及ReLU、LRN和Dropout等关键技术,解释了它们的作用。此外,还讨论了数据增强在提高模型性能中的重要性。
摘要由CSDN通过智能技术生成

  关于AlexNet模型论文,网上很多地方都可以下载到;我在学习的过程中,也看到SnailTyan把论文的翻译放在了个人博客中,也供大家学习参考:http://noahsnail.com/2017/07/04/2017-07-04-AlexNet论文翻译/

一)简介

  Alex在2012年提出的AlexNet网络结构模型赢得了2012年ImageNet竞赛的冠军,使得CNN成为在图像分类上的核心算法,并引爆了神经网络的应用热潮。在此之后,更多的更深的神经网路被提出,比如优秀的VGG,GoogleLeNet等。同时,作者也强调了一点,在AlexNet模型中移除任何一个卷积层都会使得性能会降低,可见深度对模型精度非常重要。

二)AlexNet模型介绍

AlexNet网络结构

  AlexNet模型共有8层(不包含输入层),5个卷积层和3个全连接层,每一个卷积层中包含了激励函数ReLU、局部响应归一化(LRN)处理,以及池化(下采样)。模型结构如下图所示。
在这里插入图片描述
  论文中的结构之所以分为上下两部分,是因为当时显卡容量有限

  • 0
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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