深層畳み込みニューラルネットワークによるImageNet分類

我々は、ImageNet LSVRC-2010コンテストの120万枚の高解像度画像を1000の異なるクラスに分類するために、大規模で深い畳み込みニューラルネットワークを訓練した。テストデータにおいて、我々はトップ1誤差率37.5%、トップ5誤差率17.0%を達成し、これは従来の最先端技術よりもかなり優れている。このニューラルネットワークは6000万のパラメータと65万のニューロンを持ち、5層の畳み込み層の一部にはマックスプーリング層が続き、3層の全結合層と最終的な1000クラスのソフトマックス層で構成されている。訓練を高速化するために、我々は非飽和ニューロンと畳み込み演算の非常に効率的なGPU実装を使用した。全結合層の過学習を減らすために、「ドロップアウト」と呼ばれる最近開発された正則化手法を採用し、非常に効果的であることが証明された。我々はまた、このモデルの変種をILSVRC-2012コンペティションに出場させ、2位のエントリーによる26.2%に対して優勝となるトップ5誤差率15.3%を達成した。