今天和大家分享的 3 篇深度学习方面的论文。
分别是:
AlexNet是深度学习领域的一个重要里程碑,其论文全名为"ImageNet Classification with Deep Convolutional Neural Networks",由Alex Krizhevsky, Ilya Sutskever, 和 Geoffrey E. Hinton三位作者共同完成。该论文最初在2012年提交至NIPS(现更名为NeurIPS,即神经信息处理系统会议)并获得了大量关注。
AlexNet主要聚焦于使用深度卷积神经网络(CNN)对ImageNet LSVRC-2010竞赛中的图像进行分类。ImageNet是一个大规模的视觉数据库,旨在用于视觉对象识别软件研究。在当时,该数据库已成为评估计算机视觉算法性能的重要基准之一。
AlexNet通过深层结构和卷积技术有效地提取图像特征,并通过ReLU非线性激活函数、dropout技术、数据增强等策略显著提高了训练速度和准确率。在处理图像任务时,这种网络架构展示了前所未有的性能,相比以往的方法实现了巨大的进步。
AmoebaNet是在一系列关于神经架构搜索的论文中被详细介绍的。具体到AmoebaNet的核心思想和实验结果,最直接相关的论文可能是《Regularized Evolution for Image Classifier Architecture Search》。
主要贡献
CapsNet旨在解决传统卷积神经网络(CNNs)在处理图像时对空间关系理解不足的问题。CNN在许多视觉任务上表现出色,但往往忽略了对象部分之间的层级关系,如一个物体的姿态、方向变化对于CNN来说可能难以精确捕捉。CapsNet通过引入所谓的“capsules”——一组神经元,其中每个capsule尝试捕获图像中特定实体类型(例如物体的某个部分)的各种状态,并通过动态路由机制将这些信息传递到网络的更高层次,从而试图更好地保留实体的空间层次信息。
主要贡献
整理了300篇深度学习方面的论文分享给大家,方便大家学习,文末获取~