- 博客(4)
- 收藏
- 关注
RSS订阅原创 神经网络与深度学习4 （Week 7）
语义分割关注如何将图像分割成属于不同语义类别的区域。值得一提的是， 这些语义区域的标注和预测都是像素级的。下图展示了语义分割中图像有关狗、猫和背景的标签。可以看到，与目标检测相比，语义分割标注的像素级的边框显然更加精细。计算机视觉领域还有2个与语义分割相似的重要问题，即图像分割和实例分割。我们在这里将它们与语义分割简单区分一下。• 图像分割将图像分割成若干组成区域。这类问题的方法通常利用图像中像素之间的相关性。它在训练时不需要有关图像像素的标签信息，在预测时也无法保证分割出的区域具有我们希望得到的语义。
2024-05-07 15:30:20
891
原创 神经网络与深度学习 （Week 6）
目标检测是在给定的图片中精确找到物体所在位置，并标注出物体的类别。物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图 片的任何地方，并且物体还可以是多个类别。
2024-05-07 11:11:52
992
原创 神经网络与深度学习2 （Week 5）
PyTorch是一个Python的深度学习库。它最初由Facebook人工智能研究小组开发，而优步的Pyro软件则用于概率编程。最初，PyTorch由Hugh Perkins开发，作为基于Torch框架的LusJIT的 Python包装器。PyTorch在Python中重新设计和实现Torch，同时为后端代码共享相同的核心C库。除了Facebook之外，Twitter、GMU和Salesforce等机构都采用了 PyTorch。到目前，据统计已有80%的研究采用PyTorch，包括Google。
2024-05-03 22:13:24
907
1
原创 神经网络与深度学习 1（Week 4）
多层前馈网络的反向传播 （BP）学习算法，简称BP算法，是有导师的学习，它是梯度下降法在多层前馈网中的应用。见图，u、y是网络的输入、输出向量，神经元用节点表 示，网络由输入层、隐层和输出层节点组成，隐层可一层，也可多 层（图中是单隐层），前层至后层节点通过权联接。由于用BP学习 算法，所以常称BP神经网络。BP学习算法由正向传播和反向传播组成，① 正向传播是输入信号从输入层经隐层，传向输出层，若输出层得到了期望的输出，则学习算法结束；否则，转至反向传播。
2024-04-01 16:29:10
647
1
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