На этой неделе мы публикуем наш последний пост в блоге и представляем результаты AlexNet.
АлексНет:
AlexNet — это восьмислойная сверточная нейронная сеть, которая может достигать высокой точности даже в самых сложных наборах данных. Первые пять слоев представляют собой сверточные слои, за которыми следуют максимальные объединяющие слои. Последние три являются полносвязными слоями. См. рисунок ниже для архитектуры AlexNet:
При тестировании AlexNet мы пробовали множество комбинаций. Размер пакета был между 1–1024, в качестве функции активации мы пробовали RELU, ELU, SELU, tanh и эпоху 300. Мы получаем наилучшие результаты с размером партии = 32, эпохой = 50 и SELU в качестве функции активации. Результаты см. в матрице путаницы и таблице точности ниже:
Если мы приведем пример, в котором мы неправильно классифицировали художников, наиболее заметным из них будет неверная классификация между «Клодом Моне» и «Пьером Огюстом Ренуаром». Два художника представили работы об импрессионизме. См. ниже пример неправильной классификации:
При классификации движений мы также использовали те же гиперпараметры с идентификацией исполнителя. Результаты см. в матрице путаницы и таблице точности ниже:
Если мы приведем пример, в котором мы неправильно классифицировали движения, наиболее заметным из них будет неправильная классификация между «Символизмом» и «Импрессионизмом», как в модели LeNet-5. См. ниже пример неправильной классификации:
В целом мы получили точность 80,44% для идентификации исполнителя и точность 83,10% для идентификации движения в нашей модели AlexNet. Это лучше, чем LeNet-5 (точность была 70,22% для художника и 76,93% для определения движения).
Спасибо!
