标题： Multi-column Deep Neural Networks for Image Classification
作者： Dan Cireşan, Ueli Meier, Juergen Schmidhuber
提交日期： 2012年2月13日
摘要：
传统的计算机视觉和机器学习方法在诸如手写数字或交通标志识别等任务上无法达到人类水平。我们提出的具有生物合理性的深度人工神经网络架构可以做到这一点。卷积“赢者通吃”神经元的小型（通常是最小的）感受野产生了较大的网络深度，其稀疏连接的神经层数量大致与哺乳动物视网膜和视觉皮层之间的层数相当。只有获胜的神经元会被训练。多个深度神经列成为对不同预处理方式的输入进行专门处理的“专家”；它们的预测结果被平均。图形处理器（GPU）允许进行快速训练。在竞争非常激烈的MNIST手写数字基准测试中，我们的方法是首个达到接近人类性能的方法。在一个交通标志识别基准测试中，其性能超越人类两倍。我们还在众多常见的图像分类基准测试中改进了当时的最先进水平。
主题/分类：
- 计算机视觉与模式识别 (cs.CV)
- 人工智能 (cs.AI)
相关信息：
- 论文页数：20页，包含14张图和8个表格。
- 报告编号：IDSIA-04-12
- 期刊引用：CVPR 2012, p. 3642-3649