论文地址:http://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf
论文翻译:http://www.cnblogs.com/zf-blog/p/6432709.html
网络扩大(5个卷积层+3个全连接层+1个softmax层)并以显著的优势赢得了困难的ImageNet竞赛。
这项工作的贡献:
1)使用修正的非线性单元(ReLU);
2)训练时候使用Dropout技术有选择的忽视单个神经元,Data augmentation扩充数据,LRN归一化层从而避免过拟合;
3)覆盖进行最大池化,避免平均池化的平均化效果;
4)使用GPU NVIDIA GTX580减少训练时间;
注:LRN层,对局部神经元的活动创建竞争机制,使得其中响应比较大的值变得相对更大,并抑制其他反馈较小的神经元,增强了模型的泛化能力。