DL之AlexNet:AlexNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之AlexNet:AlexNet算法的简介(论文介绍)、设计思路、案例应用等配图集合之详细攻略
目录
4、8个ILSVRC-2010测试图像和模型认为最可能的前5个标签
相关文章
Dataset:数据集集合(CV方向数据集)——常见的计算机视觉图像数据集大集合(建议收藏,持续更新)
DL之CNN(paper):关于CNN(卷积神经网络)经典论文原文(1950~2018)简介、下载地址大全(非常有价值)之持续更新(吐血整理)
DL之AlexNet:AlexNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之AlexNet:AlexNet算法的架构详解、损失函数、网络训练和学习之详细攻略
AlexNet简介
作者:AlexKrizhevsky、GeoffreyE.Hinton(多伦多大学)。AlexNet以巨大的优势(领先第二名10%的成绩),在ILSVRC2012图像分类竟赛第一名,将top-5 错误率原来的25%降至16.4%。标志着深度学习革命的开始,掀起了深度卷积神经网络在各个领域的研究热潮。
1、采用的数据集
ImageNet ILSVRC-2010数据集:1.2 million图片1000类别 。
2、论文
2012《ImageNet Classification with Deep Convolutional Neural Networks》
Alex Krizhevsky, Ilya Sutskever, and Geoffrey E. Hinton.
Imagenetclassification with deep convolutional neural networks. NIPS 2012.
论文地址:https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf
AlexNet架构详解
DL之AlexNet:AlexNet算法的架构详解、损失函数、网络训练和学习之详细攻略
1、整体架构
- 网络配置:卷积神经网络网络架构:5个卷积层和3个全连接层。双CPU并行计算,在第三个卷积层和全连接层做信息交互。
- 网络规模:总共60 million个参数;650,000个神经元。在两个NVIDIA GTX 580 3GB GPU上训练需要5~6天。
- 架构组件与技巧:ReLU、Dropout、LRN(Local Response Normalization) 、Overlapping max pooling 、数据增强 、双CPU训练
2、实验结果
- ILSVRC-2010: top-1和top-5错误率分别为37.5%和17.0%
- ILSVRC-2012: top-5错误率分别为16.4%
- 在整个ImageNet 2011数据集上预训练后的结果:ILSVRC-2012,top-5猎误为15.3%
(1)、ILSVRC-2010训练集上的结果比较
可知,远远好于传统手工提取的方法。
(2)、ILSVRC-2012验证集和测试集上的错误率比较
最后一个7个卷积层的网络错误率达到15.3%。
带星号*的是在整个更大的ImageNet 2011数据集(15M图像, 22K类别)上预训练后再微调的结果。
3、AlexNet网络所需算力
(1)、AlexNet的forward处理中各层的时间比:左边是使用GPU的情况,右边是使用CPU的情况。图中的“conv”对应卷积层,“pool”对应池化层,“fc”对应全连接层,“norm”对应正规化层。
图片来源:Jia Yangqing(2014): Learning Semantic Image Representations at a Large Scale. PhD thesis, EECS Department, University of California, Berkeley, May 2014.
(2)、使用CPU 的“16-core Xeon CPU”和GPU的 “Titan 系列”进行AlexNet的学习时分别所需的时间
图片来源:NVIDIA blog “NVIDIA Propels Deep Learning with TITAN X, New DIGITS Training System and DevBox”.
4、8个ILSVRC-2010测试图像和模型认为最可能的前5个标签
正确的标签写在每个图像下面,分配给正确标签的概率也用红色条显示(如果恰好位于前5个)。
第一列是5个ILSVRC-2010的测试图像;其余的列显示了6个最近的训练图像(即在最后隐藏层生成的特征向量和测试图像的特征向量具有最小的欧几里得距离)。
AlexNet算法的案例应用
后期更新……
相关文章
- 使用阿里云智能接口案例——CSDN博客
- 数据挖掘案例:基于 ReliefF和K-means算法的应用
- 【原创】数据挖掘案例——ReliefF和K-means算法的医学应用
- ML之CatBoost:CatBoost算法的简介、安装、案例应用之详细攻略
- ML之LiR:机器学习经典算法之线性回归算法LiR的简介、使用方法、经典案例之详细攻略
- NLP/CV:Seq2Seq→Encoder-Decoder→Seq2Seq with Attention算法的简介、案例应用之详细攻略
- CV之IG之DCGAN:基于keras框架利用深度卷积对抗网络DCGAN算法对MNIST数据集实现图像生成(保存h5模型→加载模型)案例应用
- CV之OD之YOLOv3:基于Tensorflow框架利用YOLOv3算法实现目标检测(以热播新剧《庆余年》为例)案例应用
- CV之FR:基于某AI公司的API接口基于人脸识别实现计算人脸相似度(计算两张人脸图片相似度进而判断否为同一个人)—利用人工智能算法判断相似度极高的国内外明星案例应用
- CV之NS:图像风格迁移(Neural Style 图像风格变换)算法简介、过程思路、关键步骤配图、案例应用之详细攻略
- DL之FasterR-CNN:Faster R-CNN算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
- DL之RetinaNet:RetinaNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
- Math/ML:时间序列数据集/时间序列预测任务的简介、常用算法及其工具、案例应用之详细攻略
- Math之ARIMA:基于statsmodels库利用ARIMA算法对太阳黑子年数据(来自美国国家海洋和大气管理局)实现回归预测(ADF检验+LB检验+DW检验+ACF/PACF图)案例
- Interview:算法岗位面试—11.15下午上海某航天***公司(国企)技术面之工业机器视觉认知、计算机视觉算法的理解、目标检测相关项目案例
- ML之CF:基于MovieLens电影评分数据集利用基于用户协同过滤算法(余弦相似度)实现对用户进行Top5电影推荐案例
- ML之DR之SVD:SVD算法相关论文、算法过程、代码实现、案例应用之详细攻略
- ML之LoR:逻辑回归LoR算法的简介、应用、经典案例之详细攻略
- ML之DT之CART:分类与回归树CART算法的简介、应用、经典案例之详细攻略
- TF之LSTM/GRU:基于tensorflow框架对boston房价数据集分别利用LSTM、GRU算法(batch_size调优对比)实现房价回归预测案例
- DL之ANN/DNN: 人工神经网络ANN/DNN深度神经网络算法的简介、应用、经典案例之详细攻略
- DL之SSD:SSD算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
- DL之SoftmaxWithLoss:SoftmaxWithLoss算法(Softmax+交叉熵误差)简介、使用方法、应用案例之详细攻略