weixin_45649258的博客

目录图像描述1 深度语言模型__2 RNN的应用3 朴素Vanilla-RNN4 时序后向传播（BPTT）5 Vanilla-RNN vs LSTM6 LSTM6.1 LSTM数学模型6.2 LSTM控制门作用6.3 LSTM结构图7 LSTM vs GRU图像描述1 深度语言模型__递归神经网络RNN有2类：时间递归神经网络（Recurrent Neural Network）：针对时间序列结构递归神经网络（Recursive Neural Network）：针对树状结构优化方法：时序后向传播

目录目标检测（下）1 R-CNN1.1 R-CNN系列的结构1.2 R-FCN结构1.3 R-FCN的位置敏感卷积层1.4 R-FCN的Score map可视化1.5 R-FCN的训练1.6 R-FCN位置敏感的性能2 YOLO v12.1 YOLO v1的优点2.2 YOLO v1 的不足2.3 NMS（非极大值抑制）3 YOLO v23.1 YOLO v2的基础模型3.2 YOLO v2/90004 YOLO v3目标检测（下）1 R-CNN1.1 R-CNN系列的结构基于旧形态CNN的结构（A

目录计算机视觉概述一、研究理论和应用：二、模拟人类视觉的优越能力：三、弥补人类视觉的缺陷四、计算机视觉能做的事五、人工智能目标六、研究挑战计算机视觉概述一、研究理论和应用：研究如何使机器“看”的科学让计算机具有人类视觉的所有功能让计算机从图像数据中，提取有用的信息，并解释重构人眼；重构视觉皮层；重构大脑剩余部分二、模拟人类视觉的优越能力：识别人、物体、场景估计立体空间、距离躲避障碍物进行导航想象并描述故事理解并讲解图片三、弥补人类视觉的缺陷关注显著内容、容易忽略很多细节