u014168855的博客

迁移学习一 需要迁移学习的原因二 迁移学习分类1.原始数据有标签-目标数据有标签(1) Model Fine-­‐tuning(2) Multitask Learning2.原始数据有标签-目标数据无标签（1）Domain-­‐adversarial training（2）Zero-­‐shot learning一 需要迁移学习的原因1.使用深度学习技术解决问题的过程中，最常见的障碍在于，因为...

CNN和RNN结合一.CNN和RNN1.CNN和RNN2.CNN和RNN异同点（1）相同点（2）不同点3.CNN和RNN组合（1）CNN和RNN组合意义（2）CNN和RNN组合方式（3）CNN和RNN组合方式实现二.图片标注1.问题描述2.基本思路3.模型设计（1）整体结构（2）特征提取（3）数据准备（4）模型训练（5）模型运行三.视频行为识别1.问题定义2.常用方法总结（1）CNN特征简单组合（...

递归神经网络一 递归神经网络原理1.工作过程2.正向传播3.损失函数4.反向传播二 升级版RNN：LSTM1.RNN局限2.解决方案：设计Gate，保存重要记忆3.LSTM生成4.逐步理解LSTM（1）对旧的信息进行去除：（2）确定什么样的新信息被保存：（3）更新旧状态信息：（4）确定输出的信息：5.LSTM变种（1）Peephole connection（2）Gate忘记/更新不再独立（3）Ga...

CNN目标探测一 目标探测介绍二 传统方法DMP1.基本思想2.DMP优点和缺点(1)优点：(2)缺点：三 神经网络分类-RCNN系列方法1.RCNN算法：(1)分类器训练(2)特征提取过程(3)单独目标探测器训练(4)单独目标回归器训练-基于候选区域微调(5)测试过程(6)常用数据集(7)评估方法(8)结果对比(9)优缺点2.Fast R-CNN算法(1)共享卷积运算(2)特征一致化(3)位置+...

CNN目标检测1.自然语言处理

CNN常见网络1.AlexNet：现代神经网络起源（1）AlexNet结构和参数（2）参数计算（3）影响2.VGG:AlexNet增强版3.GoogleNet:多维度识别4.ResNet：机器超越人类识别5.DeepFace：结构化图片的特殊处理6.U-Net:图片生成网络1.AlexNet：现代神经网络起源   Image Chanllenge项目介绍：1000类物体，每类1000张图片。...

卷积神经网络1.链式反向梯度求导（1）链式法则计算（2）神经网络中链式法则（3）链式法则举例（4）前向后向算法举例（5）神经网络中链式法则2.卷积神经网络-卷积层（1）卷积层（2）卷积核（3）卷积核组合方式：卷积层-特征图（4）卷积层-关键参数3.卷积神经网络-功能层（1）非线性激励层：（2）池化层（3）归一化层（4）切分层（5）融合层1.链式反向梯度求导（1）链式法则计算y=f(x),z=...

传统神经网络1.神经网络起源：线性回归2.从线性到非线性3.神经网络的构建4.神经网络的配件1.神经网络起源：线性回归一个线性回归问题：目标方程：y=ax1+bx2+cx3+d\mathrm{y}=\mathrm{ax}_{1}+\mathrm{bx}_{2}+\mathrm{cx}_{3}+\mathrm{d}y=ax1​+bx2​+cx3​+d参数：m=[a,b,c,d]\mathrm...

深度学习总体介绍1.深度学习：传统到现在（1）推动因素（2）未来发展无人超市自动翻译个人助手2.深度学习应用特点（1）优点（2）缺点3.深度学习框架比较4.TensorFlow介绍5.一些基本深度学习概念(1)神经元(2)边界算子(3)卷积核(4)CNN-卷积神经网络(5)分类问题(6)回归问题(7)生成1.深度学习：传统到现在（1）推动因素（2）未来发展无人超市自动翻译个人助...