ImageNet Classification with Deep Convolutional Neural Networks经典论文

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