【论文复现代码数据集见置顶评论】3小时高效复现CV计算机视觉经典论文！论文精讲&
读什么论文
如何找论文
（知网，找优质综述快速入门）
百度学术、google scholar
arXiv
如何找论文
PMID（PubMed Unique Identifier,PubMed唯一标识码）：PubMed搜索引擎中收录的生命科学和医学等领域的文献编号
DOI（Digit Object Unique Identifier,数字对象唯一标识符），相当于文献的数字身份证
如何整理论文
时间-作者-题名
时间-关键词-题名
论文管理软件，endnote,Mendeley,
读论文的困境
不同人群阅读差异
读论文三部曲、泛读、精读、总结
回答问题
可借鉴地方总结
论文结构
论文代码学习：任务定义-数据来源-运行环境-运行结果-如何实现
基础知识
baseline
CV\NLP
细分专题
学习路径
本篇论文
《ImageNet Classification with Deep Convolutional Neural Network》
前期知识储备
论文总览
学习目标：卷积核可视化、模型结构设计、ILSVRC（数据集）
减轻过拟合
研究背景
ILSVRC：大规模图像识别挑战赛
强大计算资源——GPU
研究背景、成果及意义
研究成果
研究意义：拉开卷积神经网络统治计算机视觉的序幕，加速计算机视觉应用落地
端到端实现
安防领域的人脸识别、行人检测、智能视频分析、行人跟踪
论文结构
摘要
AlexNet结构
卷积输出特征图大小计算
连接数量计算公式
AlexNet结构特点
ReLU非线性
LRN：局部响应标准化
训练技巧：减少过拟合
数据增强
Dropout
实验结果及分析
卷积可视化
可用Alexnet提取高级特征进行图像检索，图像聚类
论文总结
关键点：
- 大量带标签数据——ImageNet
- 高性能计算资源——GPU
- 合理算法模型——深度卷积神经网络
创新点：
- 采用ReLU加快大型神经网络训练
- 采用LRU提升大型网络泛化能力
- 采用Overlapping Pooling提升指标
- 采用随机裁剪翻转及色彩扰动增加数据多样性
- 采用Dropout减轻过拟合
启发点
