- 博客(4)
- 收藏
- 关注
RSS订阅原创 神经网络与深度学习基础（四）：从图像分类到目标检测：初识YOLO
在学习了卷积神经网络（CNN）之后，我们知道它在图像分类任务上表现出色，能够准确地告诉我们一张图片里“是什么”，比如这是一只猫还是一只狗。但如果我们想更进一步，不仅知道图片里有什么，还想知道它们在图片的“哪个位置”，甚至框出图中的每一个物体并识别出来，这时候我们就进入了目标检测的领域。目标检测，顾名思义，就是在图片中找到我们感兴趣的物体，确定它们的位置，并识别出它们的类别。定位（Localization）：物体在哪里？通常用一个“包围框”（Bounding Box）来表示。
2025-05-26 20:03:46
576
原创 神经网络与深度学习基础（二）：多层感知机 与 BP算法
而分类问题，由于问题建模时引入了sigmod函数与概率思想，其构造的代价函数为非线性的，难以得到解析解，只能使用求偏导梯度下降的方法逐步求解，计算量大。为解决分类问题中，求偏导计算量大的问题，研究者开发了一种感知机模型：受生物神经元之间连接加强的过程（即Hebb规则）的启发，不求偏导而是直接使用输入输出的乘积作为参数变化值，同样可以取得良好的分类效果，大大降低了计算的复杂性。那么问题来了，多层感知机算法确实可以解决XOR问题，那对于其他的线性不可分问题能不能解决呢，这个多层感知机的上限有多高呢？
2025-05-14 19:11:42
588
原创 神经网络与深度学习基础（一）：线性回归 与 分类问题
此次简单记录了一下线性回归与分类问题的解决方法。并通过分类问题中的非线性代价函数求解难题引入了神经元模型与Hebb规则，最终通过感知机模型解决了问题。
2025-05-04 13:49:45
568
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人