ImageNet Classification with Deep Convolutional Neural Networks学习笔记
第一个典型的CNN是LeNet5网络结构,但是第一个引起大家注意的网络却是本论文所提出的AlexNet。这篇文章的AlexNet网络是在2012年的ImageNet竞赛中取得冠军的一个模型整理后发表的文章。作者是多伦多大学的Alex Krizhevsky等人。Alex Krizhevsky其实是Hinton的学生,这个团队领导者是Hinton。
这个笔记是对论文《ImageNet Classification with Deep Convolutional Neural Networks》综述论文的一些笔记。笔记严格文章的结构来做的。
同时提供一个中英对应翻译的链接: https://www.jianshu.com/p/ea922866e3be
- 引言
- 论述了大规模的、真实的、高质量的图像数据集对物体识别的重要性。处理物体识别的解决方法: 更大规模的数据集 + 更强大的模型 + 更好的避免过拟合的技术。
- 现在已经有了大规模的数据集了, 如ImageNet、LabelMe等,而更强大的模型的话,可以使用神经网络,它有足够大的学习容量去carry这样规模的数据集。
- 但即便是ImageNet这样的数据集, 其实对于复杂的物体识别问题而言,都是不够的。因此, 一种方法是, 根据对问题的理解,将先验知识揉合进模型中,如本文所使用的CNN网络就是这样。CNN相比于全连接网络,它有更少的连接, 更少的参