卷積神經(jīng)網(wǎng)絡(luò)：淺談CNN的綜合發(fā)展
CNN發(fā)展綜合介紹
CNN的開山之作是LeCun提出的LeNet-5，而其真正的爆發(fā)階段是2012年AlexNet取得ImageNet比賽的分類任務(wù)的冠軍，并且分類準(zhǔn)確率遠(yuǎn)遠(yuǎn)超過利用傳統(tǒng)方法實(shí)現(xiàn)的分類結(jié)果，該模型能夠取得成功的原因主要有三個：
海量的有標(biāo)記的訓(xùn)練數(shù)據(jù)，也就是李飛飛團(tuán)隊(duì)提供的大規(guī)模有標(biāo)記的數(shù)據(jù)集ImageNet
計(jì)算機(jī)硬件的支持，尤其是GPU的出現(xiàn)，為復(fù)雜的計(jì)算提供了強(qiáng)大的支持
算法的改進(jìn)，包括網(wǎng)絡(luò)結(jié)構(gòu)加深、數(shù)據(jù)增強(qiáng)（數(shù)據(jù)擴(kuò)充）、ReLU、Dropout等
AlexNet之后，深度學(xué)習(xí)便一發(fā)不可收拾，分類準(zhǔn)確率每年都被刷榜，下圖展示了模型的變化情況，隨著模型的變深，Top-5的錯誤率也越來越低，目前已經(jīng)降低到了3.5%左右，同樣的ImageNet數(shù)據(jù)集，人眼的辨識錯誤率大概為5.1%，也就是深度學(xué)習(xí)的識別能力已經(jīng)超過了人類。
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報(bào)投訴
-
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4776瀏覽量
100948 -
卷積
+關(guān)注
關(guān)注
0文章
95瀏覽量
18529 -
cnn
+關(guān)注
關(guān)注
3文章
353瀏覽量
22265
發(fā)布評論請先 登錄
相關(guān)推薦
卷積神經(jīng)網(wǎng)絡(luò)如何使用
卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會在意它呢? 對于這些非常中肯的問題，我們似乎可以給出相對簡明的答案。
發(fā)表于 07-17 07:21
卷積神經(jīng)網(wǎng)絡(luò)原理及發(fā)展過程
Top100論文導(dǎo)讀：深入理解卷積神經(jīng)網(wǎng)絡(luò)CNN（Part Ⅰ）
發(fā)表于 09-06 17:25
卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用
十余年來快速發(fā)展的嶄新領(lǐng)域，越來越受到研究者的關(guān)注。卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型是深度學(xué)習(xí)模型中最重要的一種經(jīng)典結(jié)構(gòu)，其性能在近年來深度學(xué)習(xí)任務(wù)上逐步提高。由于可以自動學(xué)習(xí)樣本數(shù)據(jù)的特征
發(fā)表于 08-02 10:39
卷積神經(jīng)網(wǎng)絡(luò)CNN圖解
之前在網(wǎng)上搜索了好多好多關(guān)于CNN的文章，由于網(wǎng)絡(luò)上的文章很多斷章取義或者描述不清晰，看了很多youtobe上面的教學(xué)視頻還是沒有弄懂，最后經(jīng)過痛苦漫長的煎熬之后對于神經(jīng)網(wǎng)絡(luò)和卷積有了
發(fā)表于 11-16 13:18
?5.7w次閱讀
卷積神經(jīng)網(wǎng)絡(luò)CNN架構(gòu)分析-LeNet
對于神經(jīng)網(wǎng)絡(luò)和卷積有了粗淺的了解,關(guān)于CNN 卷積神經(jīng)網(wǎng)絡(luò)，需要總結(jié)深入的知識有很多：人工神經(jīng)網(wǎng)絡(luò)
發(fā)表于 11-16 13:28
?2768次閱讀
卷積神經(jīng)網(wǎng)絡(luò)CNN架構(gòu)分析 － LeNet
之前在網(wǎng)上搜索了好多好多關(guān)于CNN的文章，由于網(wǎng)絡(luò)上的文章很多斷章取義或者描述不清晰，看了很多youtobe上面的教學(xué)視頻還是沒有弄懂，最后經(jīng)過痛苦漫長的煎熬之后對于神經(jīng)網(wǎng)絡(luò)和卷積有了
發(fā)表于 10-02 07:41
?681次閱讀
卷積神經(jīng)網(wǎng)絡(luò)概述 卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn) cnn卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)
卷積神經(jīng)網(wǎng)絡(luò)概述 卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn) cnn卷積神經(jīng)網(wǎng)絡(luò)
卷積神經(jīng)網(wǎng)絡(luò)的基本原理 卷積神經(jīng)網(wǎng)絡(luò)發(fā)展 卷積神經(jīng)網(wǎng)絡(luò)三大特點(diǎn)
卷積神經(jīng)網(wǎng)絡(luò)的基本原理 卷積神經(jīng)網(wǎng)絡(luò)發(fā)展歷程 卷積神經(jīng)網(wǎng)絡(luò)
卷積神經(jīng)網(wǎng)絡(luò)的介紹 什么是卷積神經(jīng)網(wǎng)絡(luò)算法
卷積神經(jīng)網(wǎng)絡(luò)的介紹 什么是卷積神經(jīng)網(wǎng)絡(luò)算法 卷積神經(jīng)網(wǎng)絡(luò)涉及的關(guān)鍵技術(shù)
cnn卷積神經(jīng)網(wǎng)絡(luò)模型 卷積神經(jīng)網(wǎng)絡(luò)預(yù)測模型 生成卷積神經(jīng)網(wǎng)絡(luò)模型
cnn卷積神經(jīng)網(wǎng)絡(luò)模型 卷積神經(jīng)網(wǎng)絡(luò)預(yù)測模型 生成卷積神經(jīng)網(wǎng)
cnn卷積神經(jīng)網(wǎng)絡(luò)原理 cnn卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn)是什么
cnn卷積神經(jīng)網(wǎng)絡(luò)原理 cnn卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn)是什么? 卷
cnn卷積神經(jīng)網(wǎng)絡(luò)算法 cnn卷積神經(jīng)網(wǎng)絡(luò)模型
cnn卷積神經(jīng)網(wǎng)絡(luò)算法 cnn卷積神經(jīng)網(wǎng)絡(luò)模型 卷積
cnn卷積神經(jīng)網(wǎng)絡(luò)簡介 cnn卷積神經(jīng)網(wǎng)絡(luò)代碼
cnn卷積神經(jīng)網(wǎng)絡(luò)簡介 cnn卷積神經(jīng)網(wǎng)絡(luò)代碼 卷積
cnn卷積神經(jīng)網(wǎng)絡(luò)分類有哪些
卷積神經(jīng)網(wǎng)絡(luò)（CNN）是一種深度學(xué)習(xí)模型，廣泛應(yīng)用于圖像分類、目標(biāo)檢測、語義分割等領(lǐng)域。本文將詳細(xì)介紹CNN在分類任務(wù)中的應(yīng)用，包括基本結(jié)構(gòu)、關(guān)鍵技術(shù)、常見
工商網(wǎng)監(jiān)
評論