AlexNet是ImageNet LSVRC 2012比赛中分类效果第一的深度神经网络模型，点击链接下载论文http://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf
1.模型的表现及结果
AlexNet模型主要在ILSVRC2010数据集与ILSVRC2012数据集上进行了训练与测试。在2012年的测试集上，模型取得top-5 error 15.3%，比第2名26.2%高了不少。由于ILSVRC2010的测试集的标签可用，AlexNet在2010测试集上[top-1error 37.5%，top-5 error 17.0%]，比当时的第一名[top-1 error 45.7%，top-5 error 25.7%]效果好了不少。
2.数据集
ILSVRC2012的数据集月120万张图像，共包含1000个类。对图像数据集进行的预处理包括：
(a)将图像的短边缩放为256，然后缩放的图像中心截取256x256的图像作为结果图像；
(b)对缩放后的训练集图像计算均值，并对所有图像减去均值。
训练集与测试集的图像不参与均值的计算，但是会进行缩放，并且减去均值。
3.网络结构
3.1 AlexNet由8层神经网络层组成，分别是 input--{卷积层1 -> 卷积层2 -> 卷积层3 -> 卷积层4 -> 卷积层5 -> FC6 -> FC7 -> FC8}--softmax。网络的输入是[N, 227, 227, 3]，图像的大小是[227, 227, 3]。
输入层：
输入: [227x227x3]
第1层：conv1 -> relu -> max pool1 -> norm1
conv1：96个11x11 filter, stride=4, pad=0. output=[55x55x96]
max pool1：3x3 filter, stride=2. output=[27x27x96]
第2层：conv2 -> relu -> max pool2 -> norm2
conv2: 256个5x5 filter, stride=1, pad=2. output=[27x24x256]
max pool2: 3x3 filter, stride=2. output=[13x13x256]
第3层：conv3 -> relu
conv3: 384个3x3 filter, stride=1, pad=1. output=[13x13x384]
第4层：conv4 -> relu
conv4: 384个3x3 filter, stride=1, pad=1. output=[13x13x384]
第5层：conv5 -> relu -> max pool3
conv5: 256个3x3 filter, stride=1, pad=1. output=[13x13x256]
max pool3: 3x3 filter, stride=2. output=[6x6x256]
第6层：
FC6 -> relu, 4096个神经元
第7层：
FC7 -> relu, 4096个神经元
第8层：
FC8, 1000个神经元
3.2 神经网络层的说明，按照它们的重要程度的顺序进行
(a) Relu非线性
神经元的输出函数一般是tanh(x)或者sigmoid(x)，本文使用Relu非线性函数 f(x) = max(0, x). 在利用梯度下降进行训练时，饱和非线性函数（tanh，sigmoid）比非饱和非线性函数（relu）速度更慢。使用relu的深层卷积网络比使用tanh的网络训练要快上几倍。
(b) Training on GPUs
GTX580 GPU内存3GB，在两块这样的GPU上进行训练，利用并行的方式。
(c) Local Response Normalization（LRN）
Relu已经不需要normalization就可以防止饱和现象，但是本文发现LRN依然可以帮助提升模型的泛化性能。本文的LRN如下，
其中 aix,y 含义是第 i 个卷积核在（x，y）处的输出经过 relu 的结果，bix,y 指的是aix,y 经过LRN后的结果。
n是邻近的n个卷积核输出，卷积核的书序是训练之前就人为确定的，N是本层的所有卷积核数目。k,n,α,β是超参数，由验证集决定，训练中使用 k = 2, n = 5, α = 10-4, β = 0.75
LRN分别减少模型的top-1 error 1.4%和top-5 error 1.2%。
(d) Overlapping Pooling
常规的pooling都是 z=2, s=2, 本文使用z=3, s=2，所以pooling时会有重叠现象，这减少模型的top-1 error 0.4% 和 top-5 error 0.3%，而且观察到重叠池化不易过拟合。
3.3 损失函数（优化目标）
AlexNet模型的优化目标是 最大化多类逻辑回归，等价于最大化交叉熵（maxmizing the average cross training case of the log-probability of the correct label under the prediction distribution）。
4. 减少过拟合
整个模型大概有6000万的参数，主要采用2种方法减少过拟合。
4.1 数据扩增（Data Augmentation）
减少模型的过拟合最简单与常用的方法就是人工的扩增数据集。本文使用的扩增图像数据的方法计算简单，所以新增的图像无须提前存储在硬盘上（即可以随时生成）。
第一种是图像平移与水平翻转，在[256x256]的图像上随机的取[227x227]的图像块（patch）以及图像块的水平翻转后的图像，这样就扩增了数据集1682倍。
测试时，模型提取输入的[256x256]的图像5个小图像块（4个角以及中心的[227x227]）以及它们的水平翻转，然后计算softmax层在这10个小图像块上的预测平均值作为原图像的预测。
第二种是改变训练集的图像在RGB通道的值。本文对训练集图像的RGB通道像素执行PCA，将PCA的特征值乘上随机量，随机量是从均值为0，标准差0.1的高斯分布中取的。
原图像 = [p1, p2, p3] [α1, α2, α3]T，加入随机量之后图像 = [p1, p2, p3] [α1λ1, α2λ2, α3λ3]T，λ就是随机量。
4.2 Dropout
训练过程中，以概率p使隐层中的神经元的输出为0，则神经元就被 dropout了，它们的输出不会影响到前向传播，也不会参与BP。每次迭代都有不同的神经元被dropout，可以看作是模型得到不同结构的网络，这些网络共享权重。Dropout使得一个神经元的输出不能依赖于特定的神经元，减少了神经元之间复杂的互适应关系，使得模型学到的特征更加健壮。
测试时，不使用dropout，全部神经元参与预测，但是所有神经元的输出 x 0.5。
本文在全连接层的前2层使用dropout技术，可以缓解过拟合问题。但是dropout使得迭代次数加倍才能收敛。
5. 模型实现的一些细节
5.1 使用SGD优化模型，batch_size=128， momentum=0.9，weight_decay=0.0005，
i 是迭代次数，ν是momentum，ε是学习率，<φL/φω|ωi>是第i个batch Di的关于ωi偏导的平均
5.2 初始化参数
每层的权重w初始化：均值=0，标准差=0.01的高斯分布
第2,4,5层，全连接层 的偏差biases初始化：全1
其余层的偏差biases：全0
5.3 学习率
初始学习率0.01。当验证集精度不再增加时，就手动的将学习率减小10倍，在训练停止前学习率减小了3次（学习率1e-5）。总共进行了90个epoch的训练，在两块NVIDIA GTX580 3GB GPU上面运行了5~6天。
6. 结果
6.1 模型在ImageNet数据集上的效果
6.2 模型评估
第一个图可视化显示了与图像紧邻的卷积核学到的特征。
第2个图显示了图像经过模型后产生的 （FC-7）4096维特征，如果两个图像的4096维特征的欧氏距离比较近，那么模型就认为这两个图像在全局水平上比较相似（内容相似，类别相同等...）。
第1层的96个卷积核直接从图像上学到的特征。由于两个GPU分开连接，GPU1上的卷积核主要学到颜色无关的特征，而GPU2主要学到颜色相关的特征。每次训练都是这种特征差异，而且与随机初始化无关。
左边是ILSVRC-2010的8张图像，每张图像下面的黑色字体是图像的正确标签，紧接着的下面是模型预测的图像的前5个最有可能的标签。红色标签标示模型的预测正确（top-5）。
右边的第一列是ILSVRC-2010测试集的图像，剩下的6列是训练集中的图像，经过模型产生的特征4096维特征（FC-7），与测试集图像的4096维特征的欧氏距离最近的6个图像。
计算两个4096维特征的欧氏距离，计算效率比较低，但是可以训练自动编码机（AE）将长向量压缩为短二维码，这可以作为一个比较好的图像检索方法。
7. 讨论
在视频处理方面使用更深更大的卷积网络，因为视频中包含了静态图像所不具备的丰富的时空信息。