Lesson-24
AlexNet
- SVM:提取特征,用核函数计算相关性,凸优化问题,也有着优美的定理
- 2000年代,计算机视觉问题通常被描述为几何问题
发展历程:
数据是发展中的一大重要原因:
- ImageNet(2010):
AlexNet在2012年赢得了ImageNet上的比赛
- 更深更大的LeNet
- 采用了dropout、ReLU、MaxPooling
- 改变了计算机视觉方法论:通过CNN学习特征(CNN和Softmax回归分类是一起训练的)
- 架构如下: 更大的窗口,因为图片变大了,窗口内的信息变得有限;通道数变多了,因为我们希望在第一层就识别出很多模式 输出通道更多,希望网络去识别更多的模式;新增加了三个卷积层 为应对1000个类别的分类问题,增加更大的隐藏层
Details:(1)Sigmoid换成ReLU,减缓了梯度消失;(2)隐藏全链接层后加入了丢弃层;(3)做了数据增强
本页面最近更新:,更新历史
发现错误?想一起完善? 在 GitHub 上编辑此页!
本页面贡献者:OI-wiki
本页面的全部内容在 协议之条款下提供,附加条款亦可能应用