ImageNet Classification with Deep Convolutional Neural Networks (2012 论文)

概述 (50-200字符)

2012 年 NeurIPS 发表的里程碑论文，介绍了 AlexNet 架构，在 ImageNet 竞赛中将 Top-5 错误率从 25.8% 降至 15.3%，开启了深度学习革命。

关键内容 (≥300字符, 用双链)

1. 论文信息：作者 Alex Krizhevsky、Ilya Sutskever、Geoffrey E. Hinton（多伦多大学），发表于 NeurIPS 2012（第 25 届）。论文提出了一个 8 层深度卷积神经网络（CNN）——AlexNet，在 ImageNet 大规模视觉识别挑战赛（ILSVRC）中取得突破性成绩。
2. 核心贡献：(1) 证明了深度 CNN 在大规模视觉任务中的有效性；(2) 系统引入ReLU激活函数（训练速度快 6 倍）；(3) 使用双 GPU 并行训练（GTX 580，训练 5-6 天）；(4) 提出Dropout正则化（p=0.5，显著降低过拟合）；(5) 设计数据增强（Data Augmentation）策略（随机裁剪、翻转、PCA 色彩扰动）；(6) 使用局部响应归一化（LRN）提升泛化。
3. 实验结果：Top-5 错误率 15.3%（2011 年冠军为 25.8%），领先第二名 10 个百分点。这是计算机视觉历史上最大的单年进步幅度，证明了数据驱动的深度学习远优于手工特征工程（SIFT/HOG + SVM）的传统范式。
4. 影响与引用：该论文是深度学习领域被引用最多的论文之一（超过 10 万次引用），直接推动了 AI 产业投资浪潮。它标志着从"AI 寒冬"到"深度学习时代"的转折点，后续几乎所有视觉突破（VGGNet、ResNet、ViT 等）都建立在此论文奠定的范式之上。

来源

• [Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. NeurIPS, 25.] — 原始论文
• [raw/articles/ai-papers/machine-learning/07_alexnet_2012.md] — 源文件
• [raw/articles/ai-papers/foundations/paper_03_alexnet.md] — AlexNet 论文精读

相关

• AlexNet — describes
• Alex Krizhevsky — authored_by
• Ilya Sutskever — authored_by
• Geoffrey E. Hinton — authored_by
• ImageNet — evaluated_on
• 卷积神经网络（CNN） — implements
• LeNet-5 — extends
• Gradient-Based Learning Applied to Document Recognition (1998 论文) — extends