Communications of the ACM· 2017Q1
Derin Evrişimli Sinir Ağları ile ImageNet Sınıflandırması
ImageNet classification with deep convolutional neural networks
- 75.715atıf
- Q1SCImago
- 2017yıl
Kısa özet
Derin bir evrişimli sinir ağı, ImageNet sınıflandırmasında son teknolojiye ulaşarak 2010'da %17.0, 2012'de ise kazanan %15.3'lük ilk-5 hata oranlarını düşürdü.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- ImageNet LSVRC-2010'da %17.0'lik ilk-5 hata oranı elde edildi; bu, önceki yöntemlere göre önemli bir gelişmedir.
- Ağın bir varyantı, ILSVRC-2012 yarışmasını %15.3'lük ilk-5 hata oranıyla kazandı; bu oran, ikinci sıradaki girişten (26.2%) önemli ölçüde daha iyidir.
- Ağ mimarisi, beş evrişimli katman, max-pooling ve 1000'li softmax çıkışına sahip üç tam bağlı katmandan oluşur.
- Daha hızlı eğitim ve aşırı uyumu azaltmak için doygun olmayan nöronlar, verimli GPU evrişimi ve dropout düzenlileştirmesi gibi teknikler kullanıldı.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
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. On the test data, we achieved top-1 and top-5 error rates of 37.5% and 17.0%, respectively, which is considerably better than the previous state-of-the-art. The neural network, which has 60 million parameters and 650,000 neurons, consists of five convolutional layers, some of which are followed by max-pooling layers, and three fully connected layers with a final 1000-way softmax. To make training faster, we used non-saturating neurons and a very efficient GPU implementation of the convolution operation. To reduce overfitting in the fully connected layers we employed a recently developed regularization method called "dropout" that proved to be very effective. We also entered a variant of this model in the ILSVRC-2012 competition and achieved a winning top-5 test error rate of 15.3%, compared to 26.2% achieved by the second-best entry.
Yazarların özeti; kaynağından alınmıştır. Communications of the ACM, 2017 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Bilgisayarlı Görü ve Örüntü Tanıma
Computer Vision and Pattern RecognitionComputer Science