• [论文翻译]基于深度卷积神经网络的ImageNet分类

    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为1000个不同类别。在测试数据上,我们取得了\$37.5\%\$的top-1错误率和\$17.0\%\$的top-5错误率,显著优于此前的最先进水平。该神经网络包含6000万个参数和65万个神经元,由五个卷积层(部分层后接最大池化层)和三个全连接层(最终采用1000路softmax)组成。为加速训练,我们使用了非饱和神经元和高度优化的GPU卷积运算实现。为减少全连接层的过拟合,我们采用了一种名为"dropout"的新型正则化方法,效果显著。我们还以该模型的改进版本参加了ILSVRC-2012竞赛,并以\$15.3\%\$的top-5测试错误率夺冠,而第二名成绩为\$26.2\%\$。
  • [论文翻译]自监督学习批判性分析:从单张图像中我们能学到什么

    我们批判性地审视了无需人工标签学习深度卷积神经网络(Convolutional Neural Network)的流行自监督技术。研究表明,在采用强数据增强的前提下,三种具有代表性的方法(BiGAN、RotNet和Deep Cluster)仅需单张图像就能学习卷积网络的前几层,其效果与使用数百万张图像和人工标签相当。但即使使用数百万张无标签图像进行训练,更深层网络与人工监督之间的性能差距仍无法弥合。由此得出三个结论:(1) 深度网络浅层权重仅包含自然图像统计的有限信息;(2) 此类低级统计量通过自监督学习能达到与强监督相当的效果;(3) 通过合成变换即可捕获低级统计量,无需依赖大规模图像数据集。
创作中心
开启你的AI千集创作之旅
发布首篇内容,开通创作中心 快来成为AI千集创作者吧~
公告

AI千集是一个二次元智能客服平台
在这里您可以获得本平台自训练的
客服大模型服务
和小伙伴一起玩转AI,做自己的AI机器人
来AI千集,订单转化快人一步
扫一扫,快速获取解决方案与报价
立即咨询

千集助理是连通AI学研和企业的桥梁
登陆小程序
获取AI数字人贴身服务
工作生活效率瞬间提升

千集助理