Réseau Neuronal Convolutif AlexNet

AlexNet est un réseau neuronal convolutif profond (CNN) proposé par Alex Krizhevsky, Ilya Sutskever et Geoffrey Hinton en 2012. Il a obtenu des résultats révolutionnaires lors du concours de classification d'images ImageNet cette année-là et a remporté la première place au concours ILSVRC 2012, conduisant à la renaissance de l'apprentissage profond dans le domaine de la reconnaissance d'images. Les résultats pertinents de l'article sontClassification ImageNet avec réseaux neuronaux convolutifs profonds", et publié lors de la conférence NIPS 2012.

AlexNet possède une structure de réseau relativement profonde, composée de 5 couches convolutives et de 3 couches entièrement connectées, avec 60 millions de paramètres et 650 000 neurones. Il utilise une série de technologies innovantes, telles que l'utilisation de la fonction d'activation ReLU pour résoudre le problème de disparition du gradient qui peut survenir dans la fonction d'activation sigmoïde traditionnelle, ce qui permet au réseau de converger plus rapidement et d'améliorer les capacités d'expression non linéaire.