Соревнования по распознаванию изображений ImageNet 2013

[Kwent]

А есть какие-либо данные о реализации? Например, что использовали, просто интересен вопрос популярности того же OpenCV на подобных мероприятиях, и, может я пропустил, но я был бы рад видеть анонс этого соревнования на хабре, а не только его результаты =)

[lightcaster]

Все они в той или иной мере используют сверточные нейронные сети с несколькими скрытыми слоями для извлечения (трейнинга) фич.

На сколько я знаю OpenCV использует более традиционный подход к дизайну фич, и до representation/deep learning еще не добрался.

[signum]

Мне кажется в последние пару лет deep learning уступил место регуляризации и топовые результаты достигают при помощи сверточных сетей и регуляризации (dropout, maxout). Во всяком случае, у меня такое впечатление сложилось.

[bloodthirsty]

на мой взгляд понятие «deep learning» практически эквивалентно понятию «нейронная сеть»

[signum]

Ну сейчас да, хотя изначально термин все-таки означал pretraining скрытых слоев. Но с тех пор понятие размылось.

[lightcaster]

Ну 7-мь слоев у Зайлера это все таки довольно «глубоко» :).

[bloodthirsty]

в принципе, технология реализации классификатора каждой команды — отдельный пост. Можете сами написать, например, по deconvolutional neural networks — на сайте Зайлера множество публикаций на эту тему:)

[lightcaster]

Я слушал доклад Зайлера на прошлой неделе на NIPS2013. На сколько я понял, архитектура такая ж что и у Крижевского. Но подход c deconvolutional слоями ему явно помог в отладке.

Кстати, когда его прямо спросили, что он там сделал такое, что позволило обойти модель Крижевского, он отказался отвечать :).