深度學習之經(jīng)典卷積神經(jīng)網(wǎng)絡的技術淺析 | 硬創(chuàng)公開課預告

本文作者：恒亮

2017-02-23 18:14

導語：卷積神經(jīng)網(wǎng)絡還有這么多子類？

卷積神經(jīng)網(wǎng)絡（Convolutional Neural Networks）是人工神經(jīng)網(wǎng)絡的重要分支，目前已經(jīng)成為語音和圖像識別領域的一大研究熱點。特別是在圖像識別領域，由于其特有的權值共享網(wǎng)絡結構，大大降低了模型復雜度，減少了權值數(shù)量，因此可以直接將多維圖像作為輸入數(shù)據(jù)展開訓練，有效避免了傳統(tǒng)識別算法中復雜的特征提取和數(shù)據(jù)重建過程。

逐本溯源，卷積結構最早出現(xiàn)于 1984 年的神經(jīng)認知機（NeoCognitron）。發(fā)展到 1998 年，誕生了第一代經(jīng)典卷積神經(jīng)網(wǎng)絡 LeNet，但隨著支持向量機 SVM（Support Vector Machine）的出現(xiàn)，卷積神經(jīng)網(wǎng)絡一度歸于沉寂。后來，隨著 ReLu（Rectified Linear Units）和 Dropout 等激活函數(shù)的提出，以及 GPU 和大數(shù)據(jù)帶來的歷史機遇，卷積神經(jīng)網(wǎng)絡在 2012 年迎來了一個歷史性的突破 —— AlexNet 網(wǎng)絡。AlexNet 在當年的 ImageNet 圖像分類競賽中，Top-5 錯誤率比上年冠軍下降了十個百分點，而且遠遠超過當年的第二名，震驚了整個行業(yè)。隨后，以 AlexNet 為基礎，又出現(xiàn)了 VGG（Visual Geometry Group）、Inception 和 ResNet 等多種不同的子類。

那么問題來了，這些各不相同的卷積神經(jīng)網(wǎng)絡究竟有哪些不同，它們各自的技術特點是什么，又都應用于哪些領域？面對所有這些疑問，雷鋒網(wǎng)有幸請到了PPmoney 大數(shù)據(jù)算法總監(jiān)黃文堅來做一個徹底的解答。

嘉賓介紹：

黃文堅，PPmoney 大數(shù)據(jù)算法總監(jiān)，谷歌 TensorFlow 貢獻者，暢銷書《 TensorFlow 實戰(zhàn)》作者（該書獲得到了谷歌 TensorFlow 團隊的官方推薦）。前明略數(shù)據(jù)技術合伙人，領導了對諸多大型銀行、保險公司、基金的數(shù)據(jù)挖掘項目，包括建立金融風控模型、新聞輿情分析、保險復購預測等。曾就職于阿里巴巴搜索引擎算法團隊，負責天貓個性化搜索系統(tǒng)。曾參加阿里巴巴大數(shù)據(jù)推薦算法大賽，于 7000 多支隊伍中獲得前 10 名。本科、研究生就讀于香港科技大學，曾在頂級會議和期刊 SIGMOBILE MobiCom、IEEE Transactions on Image Processing 發(fā)表論文，研究成果獲美國計算機協(xié)會移動計算大會（MobiCom）最佳移動應用技術冠軍，并獲得兩項美國專利和一項中國專利。