Hundreays

应用于图像识别的深度残差网络：ResNet1.论文背景2.论文工作2.1 BN层2.2 残差块2.3 34层ResNet网络结构1.论文背景《Deep Residual Learning for Image Recognition》ResNet是微软MSRA何凯明团队在2015年ImageNet上使用的网络，在当年的classification、detection、localization比赛中，ResNet均获了第一名的好成绩。2.论文工作作者首先提出了在加深网络深度进行训练时发现的问题：只是进行

VGG网络1.论文背景2.论文工作3.网络搭建1.论文背景VGG论文背景：VGG网络 《VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION》是ILSVRC2014图像分类比赛中第二名的网络，由英国牛津大学的Visual Geometry Group组提出。2.论文工作VGG数据预处理：各通道减去RGB在训练集上的均值。VGG网络结构：主要看VGG16（下图D）和VGG19（下图E）：VGG完成的工作：试验了小

AlexNet和VGG是深度学习应用于图像分类问题的经典之作。这两个网络的Paper里包含了很多重要的概念以及网络训练时的技巧。首先是《ImageNet Classification with Deep ConvolutionalNeural Networks》，这篇论文的地址如下：https://www.onacademic.com/detail/journal_10000399138642...

神经网络之正向传递与反向传播1.单个神经元2.由神经元组成的神经网络3.目标函数4.反向传播算法1.单个神经元神经网络是由一系列神经元组成的模型，每一个神经元实际上做得事情就是实现非线性变换。如下图就是一个神经元的结构：神经元将两个部分：上一层的输出 (x1,x2...,xn)(x_1,x_2...,x_n)(x1​,x2​...,xn​)与权重(w1,w2...,wn)(w_1,w_2...

神经网络基础1.从一个线性模型说起1.1 一个通用的模式识别流程1.2 一个线性分类器1.3 softmax函数2.损失函数2.1 one-hot编码2.2 交叉熵损失函数 Cross-Entropy Loss2.2 折页损失 Hinge Loss1.从一个线性模型说起1.1 一个通用的模式识别流程我们以图像分类为例，如上图所示假如我们要识别一个订书机，从机器学习的角度来看需要做如下几步：...