深度学习
关注
分享
扫一扫
文章平均质量分 71
令仪.雅
脚踏实地，持之以恒。
展开
-
使用tensorflow.keras.applications模块搭建MobileNetV2迁移学习框架
使用tensorflow.keras.applications模块搭建MobileNetV2迁移学习框架转载 2022-08-17 19:45:35 · 1630 阅读 · 0 评论 -
CNN、RNN、DNN区别
神经网络的来源 神经网络技术起源于上世纪五、六十年代，当时叫感知机（perceptron），包含有输入层、输出层和一个隐藏层。输入的特征向量通过隐藏层变换到达输出层，由输出层得到分类结果。但早期的单层感知机存在一个严重的问题——它对稍微复杂一些的函数都无能为力（如异或操作）。直到上世纪八十年代才被Hition、Rumelhart等人发明的多层感知机克服，就是具有多层隐藏层的感知机。...转载 2018-11-23 20:53:24 · 38182 阅读 · 0 评论 -
【TensorFlow】tf.nn.conv2d卷积实现+filter计算原理
本来想转载底层实现过程的，结果发现原文中的实验2错误，在这里说明下fliter工作过程：输入层：就是输入的图像，有可能是三通道的有可能是单通道的filter:深度与输入层的深度(通道数)相同输出层：输出层的就是filter遍历输入层后的的计算结果。具体的计算过程如下：输出层的深度等于filter的个数！每一个filter遍历输入层会产生一个深度的输出层，那么n个输出层就会产生n......原创 2018-12-18 19:32:42 · 4335 阅读 · 2 评论 -
深度学习之卷积神经网络CNN及tensorflow代码实现示例
一、CNN的引入在人工的全连接神经网络中，每相邻两层之间的每个神经元之间都是有边相连的。当输入层的特征维度变得很高时，这时全连接网络需要训练的参数就会增大很多，计算速度就会变得很慢，例如一张黑白的 28×28 的手写数字图片，输入层的神经元就有784个，如下图所示：若在中间只使用一层隐藏层，参数 ww 就有 784×15=11760 多个；若输入的是28×28 带有颜色的RGB格式的手...转载 2019-01-17 20:25:10 · 1290 阅读 · 0 评论 -
[Deep Learning] 神经网络基础
阅读目录1. 神经元模型 2. 感知机和神经网络 3. 误差逆传播算法 4. 常见的神经网络模型 5. 深度学习 6. 参考内容 目前，深度学习（Deep Learning，简称DL）在算法领域可谓是大红大紫，现在不只是互联网、人工智能，生活中的各大领域都能反映出深度学习引领的巨大变革。要学习深度学习，那么首先要熟悉神经网络（Neural Networks，简称NN）的一些基...转载 2019-05-07 17:04:06 · 430 阅读 · 0 评论 -
CNN Data Augmentation（数据增强）-旋转
1、原始状态最初的图像是这个样子的.xml文件张下面这个样子<annotation> <object> <name>face</name> <difficult>0</difficult> <bndbox> <xm...转载 2019-05-07 21:34:08 · 811 阅读 · 1 评论 -
OpenCv学习笔记(二)--Mat矩阵(图像容器)的创建及CV_8UC1,CV_8UC2等参数详解
（一）Mat矩阵(图像容器)创建时CV_8UC1,CV_8UC2等参数详解1--Mat不但是一个非常有用的图像容器类,同时也是一个通用的矩阵类 2--创建一个Mat对象的方法很多,我们现在先看一下Mat矩阵/图像容器类在OpenCv中的有关源代码:3--使用Mat图像容器类创建Mat类的对象//! default constructor Mat(); //!...转载 2019-07-03 14:06:37 · 3181 阅读 · 1 评论 -
目标检测——HOG特征
1、HOG特征： 方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dalal...转载 2018-11-23 20:32:45 · 940 阅读 · 0 评论 -
深度学习技巧总结
一、深度学习算法调优技巧1：优化器。机器学习训练的目的在于更新参数，优化目标函数，常见优化器有SGD，Adagrad，Adadelta，Adam，Adamax，Nadam。其中SGD和Adam优化器是最为常用的两种优化器，SGD根据每个batch的数据计算一次局部的估计，最小化代价函数。学习速率决定了每次步进的大小，因此我们需要选择一个合适的学习速率进行调优。学习速率太大会导致不收敛，速率...原创 2018-11-23 17:44:48 · 2588 阅读 · 0 评论 -
基于已有的深度学习框架Caffe模型优化调参的那些事儿
本文主要参考caffe官方文档[《Fine-tuning a Pretrained Network for Style Recognition》](http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/02-fine-tuning.ipynb)是第二篇案例。笔者对其进行了为期一周的断断续续的研究，笔者起先对pyth...转载 2018-09-28 17:20:47 · 1121 阅读 · 0 评论 -
深度学习：Keras入门(一)之基础篇
1.关于Keras 1）简介 Keras是由纯python编写的基于theano/tensorflow的深度学习框架。 Keras是一个高层神经网络API，支持快速实验，能够把你的idea迅速转换为结果，如果有如下需求，可以优先选择Keras： a）简易和快速的原型设计（keras具有高...转载 2018-09-29 20:29:12 · 487 阅读 · 0 评论 -
深度学习：Keras入门(二)之卷积神经网络(CNN)
说明：这篇文章需要有一些相关的基础知识，否则看起来可能比较吃力。1.卷积与神经元 1.1 什么是卷积？ 简单来说，卷积(或内积)就是一种先把对应位置相乘然后再把结果相加的运算。(具体含义或者数学公式可以查阅相关资料) 如下图就表示卷积的运算过程： ...转载 2018-09-29 20:35:12 · 2705 阅读 · 0 评论 -
一文综述人脸检测算法（附资源）
文章来源：SIGAI本文共9400字，建议阅读10+分钟。本文将和大家一起回顾人脸检测算法的整个发展历史。 [导读] 人脸检测是目前所有目标检测子方向中被研究的最充分的问题之一，它在安防监控，人证比对，人机交互，社交和娱乐等方面有很强的应用价值，也是整个人脸识别算法的第一步。 问题描述 人脸检测的目标是找出图像中所有的人脸对应的位置，算法的输出是人脸外接矩形在图像中的...转载 2018-10-09 10:36:58 · 1110 阅读 · 0 评论 -
卷积神经网络与人脸检测知识点整理
深度学习（十五）基于DCNN的人脸特征点定位-CVPR 2013http://blog.youkuaiyun.com/garfielder007/article/details/50580934===========相关文章============深度学习（十五）基于级联卷积神经网络的人脸特征点定位本篇博文主要讲解2013年CVPR的一篇利用深度学习做人脸特征点定位的经典paper：《Deep...转载 2018-10-09 12:11:29 · 3989 阅读 · 0 评论 -
深度学习（十五）基于DCNN的人脸特征点定位-CVPR 2013
基于DCNN的人脸特征点定位原文地址：http://blog.youkuaiyun.com/hjimce/article/details/49955149作者：hjimce一、相关理论本篇博文主要讲解2013年CVPR的一篇利用深度学习做人脸特征点定位的经典paper：《Deep Convolutional Network Cascade for Facial Point Detection》...转载 2018-10-09 12:14:00 · 2240 阅读 · 0 评论 -
Caffe官方学习手册中文翻译版&Caffe各层参数配置详细解析&Caffe安装
Caffe中文学习手册及Caffe各层参数配置详细解析：https://pan.baidu.com/s/1lSru7PzDxtQUiDDpepr-lw 密码：jgr3新手入门Caffe必看收藏的链接：https://www.jianshu.com/p/a76c18a3c6d5(含官方安装教程)https://www.jianshu.com/p/5c0fd1c9fef9?from=t...原创 2018-09-28 12:26:06 · 1264 阅读 · 0 评论