AI 技术内参
洪亮劼
Etsy 数据科学主管,前雅虎研究院资深科学家
33455 人已学习
新⼈⾸单¥98
登录后,你可以任选6讲全文学习
课程目录
已完结/共 166 讲
开篇词 (1讲)
人工智能国际顶级会议 (31讲)
搜索核心技术 (28讲)
推荐系统核心技术 (22讲)
数据科学家与数据科学团队养成 (25讲)
AI 技术内参
15
15
1.0x
00:00/00:00
登录|注册

121 | 计算机视觉领域的深度学习模型(一):AlexNet

AlexNet的成功为深度学习在计算机视觉领域的应用提供了启发
防止过拟合的方法:数据增强和Dropout
使用局部响应归一化和重叠池化等方法
大量采用GPU进行训练
使用线性整流函数(ReLu)作为激活函数
在ImageNet 2012年的比赛中取得显著效果
开启了深度学习在计算机视觉领域广泛应用的大门
杰弗里·辛顿
伊利亚·苏兹克维
亚力克斯·克里切夫斯基
启发
核心方法
主要贡献
作者
论文《基于深度卷积神经网络的图像网络分类》

该思维导图由 AI 生成,仅供参考

我们继续来讨论基于深度学习的计算机视觉技术。从今天开始,我们进入一个新的模块,我会结合几篇经典的论文,给你介绍几个专门为计算机视觉而提出来的深度学习模型。这些模型都在最近几年的深度学习发展中,起到了至关重要的作用。
我们这个系列要分享的第一篇论文题目是《基于深度卷积神经网络的图像网络分类》(ImageNet Classification with Deep Convolutional Neural Network)[1]。因为这篇文章的第一作者名字叫 Alex,所以文章提出的模型也经常被称为 AlexNet
那接下来我们就先介绍一下这篇论文的作者群。
第一作者就是亚力克斯·克里切夫斯基(Alex Krizhevsky)。发表这篇论文的时候他在多伦多大学计算机系攻读博士学位;之后的 2013~2017 年间在谷歌任职,继续从事深度学习的研究。
第二作者叫伊利亚·苏兹克维(Ilya Sutskever)。发表这篇论文的时候,苏兹克维也在多伦多大学计算机系攻读博士学位;之后到斯坦福大学跟随吴恩达做博士后研究。2013~2015 年间,他在谷歌担任研究科学家一职。2016 年之后,他参与共同创立了 OpenAI 并且担任研究总监这一职位。苏兹克维在深度学习方面已经发表了很多篇论文,目前论文的引用数已经超过 7 万次。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 中文繁体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
    • 阿拉伯语
  • 解释
  • 总结

AlexNet是一篇开创性的论文,标志着深度学习在计算机视觉领域的重要突破。该模型在2012年的ImageNet竞赛中取得了显著成绩,引领了深度学习在图像识别领域的发展。论文提出了一系列创新方法,包括采用线性整流函数作为激活函数、使用GPU进行大规模训练、局部响应归一化和重叠池化等。这些方法极大地提高了模型的训练效率和性能。此外,论文还介绍了数据增强和Dropout等方法来防止过拟合。AlexNet的成功为后续深度学习模型的发展提供了重要启示,对于读者来说,了解这些技术特点将有助于快速把握深度学习在计算机视觉领域的发展趋势。

仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《AI 技术内参》
新⼈⾸单¥98
立即购买
登录 后留言

全部留言(2)

  • 最新
  • 精选
  • 皮特尔
    线性整流函数、多GPU并行计算、数据增强、Dropout…… 这些开创性的方法,充分证明了“创新”在科技发展过程中的重要性。
    2020-06-05
    1
  • 草裡菌
    非科班的程序员,表示硬着头皮看,效果甚微。😂
    2020-03-25
收起评论
显示
设置
留言
2
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部