AlexNet论文完整翻译与深度解析：ImageNet Classification with Deep CNN

#

论文基本信息

• 标题：ImageNet Classification with Deep Convolutional Neural Networks
  • 作者：Alex Krizhevsky, Ilya Sutskever, Geoffrey E. Hinton
    • 机构：University of Toronto
      • 发表年份：2012
        • 引用数：超过8万次

          #

          摘要

          英文摘要：
          We trained a large, deep convolutional neural network to classify the 1.2 million high-resolution images in the ImageNet LSVRC-2010 contest into the 1000 different classes.

          中文翻译：
          我们训练了一个大型深度卷积神经网络，将ImageNet LSVRC-2010竞赛中的120万张高分辨率图像分类到1000个不同的类别中。

          #

          1. 导言

          英文原文：
          To learn rich representations of images, we used a new regularization method called "dropout" that proved very effective.

          中文翻译：
          为了学习丰富的图像表示，我们使用了一种名为"dropout"的新正则化方法，证明非常有效。

          #

          2. 架构

          英文原文：
          The network contains eight layers with weights; the first five are convolutional and the remaining three are fully-connected.

          中文翻译：
          网络包含八个有权值的层；前五个是卷积层，后三个是全连接层。

          #

          3. 核心技术名词总结

          1. GPU Training（GPU训练）：首次大规模使用GPU训练CNN
          2. ReLU Activation（ReLU激活函数）：加速训练
          3. Dropout（随机失活）：防止过拟合
          4. Local Response Normalization（局部响应归一化）
          5. Data Augmentation（数据增强）：扩充训练数据

          #

          4. 总结

          AlexNet以15.3%的top-5错误率赢得ILSVRC2012，领先第二名10%以上，标志着深度学习的复兴。