论文笔记:ImageNet classification with deep convolution neural networks
2017-07-06 21:27
555 查看
1、此种模型参加了2010,2012的ILSVRC(ImageNet Large Scale Visual Recognition
Competition)比赛,错误率对比如下:
2、在train model时,利用GTX 580 3G的GPU训练了5,6天,作者放言,如果不是GPU硬件的话,可能效果会更好。
3,、在结构方面,5层卷积层,3层全连接层,其中C1,C2两层后面还有池化层,但是C3,C4,C5,均没有池化层,结构图如下:
4、在激活函数的选择方面,比较了三种常用函数:
ReLu(Rectified Linear Units),Sigmoid,tanh,经过实验比较,
4000
还是ReLu函数的效果最好。
5、LRN(Local Response Normalization)局部响应归一化,也能有效的降低错误率。
6、池化层的选择,为什么在选择池化层的核数以及步长时,一般设置核数更大一点,原因在于这样的话,在卷积核滑动得到特征图的过程中,特征图存在overlap,这样也能降低错误率。
7、此篇文章提到了避免过拟合的两种方法:一个是数据强化(data augmentation),这是针对训练模型的数据集来说的。另外一个是dropout。
8、作者在实验中得到一个启示,模型的“深度”对于实验效果来说还是很重要的,一般来说,在条件允许的情况之下,当然模型深度越深越好。
具体的如何操作以后有时间再添加,
Competition)比赛,错误率对比如下:
2、在train model时,利用GTX 580 3G的GPU训练了5,6天,作者放言,如果不是GPU硬件的话,可能效果会更好。
3,、在结构方面,5层卷积层,3层全连接层,其中C1,C2两层后面还有池化层,但是C3,C4,C5,均没有池化层,结构图如下:
4、在激活函数的选择方面,比较了三种常用函数:
ReLu(Rectified Linear Units),Sigmoid,tanh,经过实验比较,
4000
还是ReLu函数的效果最好。
5、LRN(Local Response Normalization)局部响应归一化,也能有效的降低错误率。
6、池化层的选择,为什么在选择池化层的核数以及步长时,一般设置核数更大一点,原因在于这样的话,在卷积核滑动得到特征图的过程中,特征图存在overlap,这样也能降低错误率。
7、此篇文章提到了避免过拟合的两种方法:一个是数据强化(data augmentation),这是针对训练模型的数据集来说的。另外一个是dropout。
8、作者在实验中得到一个启示,模型的“深度”对于实验效果来说还是很重要的,一般来说,在条件允许的情况之下,当然模型深度越深越好。
具体的如何操作以后有时间再添加,
相关文章推荐
- 论文笔记:ImageNet Classification with Deep Convolutional Neural Networks
- 论文笔记ImageNet Classification with Deep Convolutional Neural Networks(AlexNet)
- 经典计算机视觉论文笔记——《ImageNet Classification with Deep Convolutional Neural Networks》
- Deep learning论文笔记一:ImageNet Classification with Deep Convolutional Neural Networks
- [深度学习论文笔记][Image Classification] ImageNet Classification with Deep Convolutional Neural Networks
- ImageNet Classification with Deep Convolutional Neural Networks阅读笔记
- 论文阅读(1)——ImageNet Classification with Deep Convolutional Neural Networks
- 论文:ImageNet Classification with Deep Convolutional Neural Networks
- DL:CNN-ImageNet Classification with Deep Convolution Neural Networks
- AlexNet卷积神经网络学习参考论文《ImageNet Classification with Deep Convolutional Neural NetWorks》
- AlexNet论文--ImageNet Classification with Deep Convolutional Neural Networks+个人理解
- ImageNet Classification with deep convolutional neural networks
- ImageNet Classification with Deep Convolutional Neural Networks泛读总结
- ImageNet Classification with Deep Convolutional Neural Networks
- ImageNet Classification with Deep Convolutional Neural Networks(译文)转载
- ImageNet Classification with Deep Convolutional Neural Networks
- ImageNet Classification with Deep Convolutional Neural Networks论文笔记
- 论文笔记《ImageNet Classification with Deep Convolutional Neural Networks》
- ImageNet Classification with deep convolutional neural networks
- Imagenet classification with deep convolutional neural networks