一.文献名字和作者
ImageNet Large Scale Visual Recognition Challenge，Olga Russakovsky, Jia Deng, Hao Su, Jonathan Krause , Sanjeev Satheesh, Sean Ma, Zhiheng Huang, Andrej
Karpathy, Aditya Khosla, Michael Bernstein, Alexander C. Berg , Li Fei-Fei
Karpathy, Aditya Khosla, Michael Bernstein, Alexander C. Berg , Li Fei-Fei
二.阅读时间
2014年11月19日
三.文献的贡献点
这篇文章的重点主要在于介绍了近五年来，ImageNet比赛中各个队伍的比赛结果，已经一些理论上的分析，分析比赛的结果是否符合客观规律，同时，作者也做了一个使用人类对于ImageNet图片进行学习，然后对其进行分类的实验，这样才可以和机器的分类正确率进行比较，看机器是否已经达到了人类的水平，不过目前来看，还是人类的分类正确率比较高。
这篇文章对于我来说，最大的好处就是将近五年ImageNet比赛中各个队伍的比赛结果以及他们使用的方法对应的参考文献列了出来，并且还进行了简要的分析。而且对于2014年中分类比赛中的算法进行了简单的说明，能够迅速了解目前对于CNN的研究进展，目前已经进展到了不仅对于网络的深度和宽度进行拓展，而且也对网络的组成部分进行了必要的拓展，其中以GoogLeNet为最佳代表。
对于文章的其他部分，我并没有深入去了解，因为阅读这篇文章的主要目的也是看一下最近的ImageNet上面的方法的改进，方便自己的研究开展。
版权所有，欢迎转载，转载请注明出处，谢谢