Classificação ImageNet com redes neurais convolucionais profundas

Treinamos uma grande e profunda rede neural convolucional para classificar as 1,2 milhões de imagens de alta resolução no concurso ImageNet LSVRC-2010 em 1000 classes diferentes. Nos dados de teste, alcançamos taxas de erro top-1 e top-5 de 37,5% e 17,0%, respectivamente, o que é consideravelmente melhor que o estado da arte anterior. A rede neural, que possui 60 milhões de parâmetros e 650.000 neurônios, consiste de cinco camadas convolucionais, algumas das quais seguidas por camadas de max-pooling, e três camadas totalmente conectadas com uma softmax final de 1000 vias. Para acelerar o treinamento, utilizamos neurônios não saturantes e uma implementação eficiente da operação de convolução em GPU. Para reduzir o overfitting nas camadas totalmente conectadas, empregamos um método de regularização recentemente desenvolvido chamado "dropout", que se mostrou muito eficaz. Também submetemos uma variante desse modelo na competição ILSVRC-2012 e alcançamos uma taxa de erro top-5 vencedora de 15,3%, comparada a 26,2% obtida pela segunda melhor entrada.