Teorico

Abbiamo preparato un enorme, profondo sistema neurale convoluzionale per organizzare gli 1,3 milioni di immagini ad alto contenuto di obiettivi nella LSVRC-2010 ImageNet preparando il set di 1000 classi uniche. In base alle informazioni del test, abbiamo ottenuto i primi 1 e i primi 5 passi di errore del 39,7% e del 18,9%, che sono ampiamente superiori a tutti i migliori risultati ottenuti in passato. Il sistema neurale, che ha 60 milioni di parametri e 500.000 neuroni, comprende cinque strati convoluzionali, alcuni dei quali sono trainati da strati di max-pooling, e due strati associati a livello internazionale con un ultimo softmax a 1000 vie. Per rendere più rapida la preparazione, abbiamo utilizzato neuroni non immersi e un uso produttivo delle reti convoluzionali su GPU. Per diminuire l’overfitting nei layer associati a livello internazionale abbiamo utilizzato un’altra strategia di regolarizzazione che ha dimostrato di avere un successo eccezionale.