qq_32790593的博客

文章目录一、深度学习概述1.1 发展历程1.2 深度学习的兴起1.3 深度学习的特点1.4 深度学习的优势二、卷积神经网络剖析2.1 卷积层2.2 池化层2.3 非线性激活函数2.4 全连接层2.5 损失函数2.6 反向传播2.7 网络优化三、项目实战一、深度学习概述1.1 发展历程上世纪60年代，Hubel等人通过对猫视觉皮层细胞的研究，提出了感受野这个概念。到80年代，日本科学家福...

文章目录概览1.计算机视觉简介：2.图像分类一、LeNet-51.模型架构2.模型简介3.模型特点二、AlexNet1.网络架构2.模型介绍3.模型特点三、VGGNet1.模型架构2.模型简介3.模型特点四、GoogLeNet1. 网络架构2、模型解析3、模型特点五、ResNet（深度残差网络）1、模型解析2、模型特点六、DenseNet1.模型架构2.模型特点在上一篇详细讲解了卷积神经网络的...

https://blog.youkuaiyun.com/qq_42263796/article/details/80453438

全连接层（fully connected layers，FC）在整个卷积神经网络中起到“分类器”的作用。如果说卷积层、池化层和激活函数层等操作是将原始数据映射到隐层特征空间的话，全连接层则起到将学到的“分布式特征表示”映射到样本标记空间的作用。在实际使用中，全连接层可由卷积操作实现：对前层是全连接的全连接层可以转化为卷积核为1x1的卷积；而前层是卷积层的全连接层可以转化为卷积核为hxw的全局卷积，...

深度学习基础（CNN详解以及训练过程1） 深度学习是一个框架，包含多个重要算法: Convolutional Neural Networks(CNN)卷积神经网络AutoEncoder自动编码器Sparse Coding稀疏编码Restricted Boltzmann Machine(RBM)限制波尔兹曼机Deep Belief N...

原 物体定位与检测 2017年07月28日 14:13:17 invadertroy 阅读数：10199 ...

https://www.cnblogs.com/gujianhan/category/617736.html

代码初学者当你心中只有一个目标时，全世界都会给你让路！Read more! Write more! Practise more! <div id="post_detail"> 基于深度学习的目标检测 普通的深度学习监督算法主要是用来做分类，如图1(1)所示，分类的目标是要识别出图中所示是一只猫。而在IL...

https://ww2.mathworks.cn/help/deeplearning/ref/trainingoptions.html;jsessionid=c684da07d1fa2b08ec516b6933ab?action=changeCountry&s_tid=gn_loc_drop

1.使用深度学习做目标检测上一篇博客已经讲解了怎么用matlab导入数据。[trainingImages,trainingLabels,testImages,testLabels] = helperCIFAR10Data.load('cifar10Data');使用这个指令就可以导入CIFAR-10 data的数据。使用下面指令查看样本和图片大小：size(trainingImages)...

转载：https://blog.youkuaiyun.com/qq_20259459/article/details/70316511因为最近一直比较忙所以就有一段时间没有更新了。终于今天开始着手写这篇关于参数的文章了，可以说我自己其实也在一直进行着各种调参而且有了一段时间了。作为自己的...

<link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-f57960eb32.css"> <link rel="stylesheet" href="https://csdnimg.cn/...

http://caffe.berkeleyvision.org/tutorial/layers.html

<p>半路上车，Deep Learning 这块还在断断续续地慢慢学，但是由于现在测 TensorFlow 性能的需要，所以来学一下 AlexNet（额，听说 CNN 的计算量不少）。</p>AlexNet 是 2012 年 ImageNet 竞赛冠军获得者 Alex Krizhevsky 设计的，所以叫这个名字，这个也一直是入门 CNN 的经典模型。参考的材...

在 LeNet 问世后的第4年，2012年， AlexNet 在 ImageNet LSVRC-2010 数据集上对1000个类别的图像进行分类取得了当时最好的效果；同时在 ILSVRC-2012 数据集上取得了当时第一的成绩。在AlexNet之后，图像分类模型越来越复杂，网络也越来越 deep。现在 AlexNet 仍然可以应用到小数据集上，做一些验证性的实验。原论文https://pape...

1、卷积神经网络的概念2、 发展过程3、如何利用CNN实现图像识别的任务4、CNN的特征5、CNN的求解6、卷积神经网络注意事项7、CNN发展综合介绍8、LeNet-5结构分析9、AlexNet10、ZFNet10.1 意义10.2 实现方法10.3 训练细节10.4 卷积网络可视化10.6 总结11、VGGNet11.1 结构11.2 网络特点：11.3 分类框架：12、GoogLeNet12....

只是知道CNN是不够，我们需要对其进行解剖，继而分析不同部件存在的意义CNN的目的简单来说，CNN的目的是以一定的模型对事物进行特征提取，而后根据特征对该事物进行分类、识别、预测或决策等。在这个过程里，最重要的步骤在于特征提取，即如何提取到能最大程度区分事物的特征。如果提取的特征无法将不同的事物进行划分，那么该特征提取步骤将毫无意义。而实现这个伟大的模型的，是对CNN进行迭代训练。特征...

深度学习必备：随机梯度下降（SGD）优化算法及可视化 补充在前：实际上在我使用LSTM为流量基线建模时候，发现有效的激活函数是elu、relu、linear、prelu、leaky_relu、softplus，对应的梯度算法是adam、mom、rmsprop、sgd，效果最好的组合是：prelu+rmsprop。我的代码如下：# Simple example using rec...

NeilZhang <div id="post_detail"> 监督学习——随机梯度下降算法（sgd）和批梯度下降算法（bgd） 线性回归       首先要明白什么是回归。回归的目的是通过几个已知数据来预测另一个数值型数据的目标值。&...