TYD深度学习入门 第一章

本文介绍了深度学习的基础知识,包括其在计算机视觉中的应用。深度学习被视作一种自动特征提取的方法,常用于图像分类、无人驾驶等领域。文章讨论了计算机视觉任务中的图像表示、挑战,以及K近邻算法在图像分类中的应用。此外,还讲解了得分函数、线性函数、损失函数和前向传播流程在模型训练中的作用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

章节1 深度学习必备基础知识

课时1 深度学习要解决的问题

人工智能包含了机器学习,机器学习里又包含了深度学习
在这里插入图片描述

机器学习流程:数据获取,特征工程,建立模型,评估与应用

不同视角看待神经网络:不应将其看作是算法,而是一种特征提取的方法

数据特征决定了模型的上限,预处理和特征提取是最核心的。算法与参数选择只是决定了如何逼近这个上限。

深度学习就是一个黑盒子,一个数据进到黑盒子里会对其进行自动的数据特征提取,自动学习哪些特征是最好的

课时2 深度学习应用领域

深度学习应用:百分之八九十都是用在计算机视觉和自然语言处理上的 CV(computer vision) 和 NLP
无人驾驶、人脸识别、医学应用:细胞检测、换脸。。。。

ImageNet :公开的图像学习资料库,22000左右的类别,140万的图像

在这里插入图片描述

在较小规模的数据集上传统机器学习算法跟深度学习算法效果差不多,但传统算法运行更快,深度学习更适合大量数据规模。

课时3 计算机视觉任务

1.图像在计算机中长什么样

图片分类:比如说有一个数据集里面有很多图片,包含了猫、狗、马、车。。等类别,要将一个猫的图片准确分类成猫

在这里插入图片描述
一张图片被表示成三维数组的形式,每个像素的值从0-255
例如: 300 x 100 x 3(300行,100列总共3w个像素点,每个像素点有三种颜色通道RGB)

2.计算机视觉面临的挑战

  • 视觉角度地不同
  • 形状改变
  • 部分被遮蔽
  • 物体与背景混合在一起

在这里插入图片描述
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值