yph001的博客

一、概述手写数字识别通常作为第一个深度学习在计算机视觉方面应用的示例，Mnist数据集在这当中也被广泛采用，可用于进行训练及模型性能测试；模型的输入为： 32*32的手写字体图片，这些手写字体包含0~9数字，也就是相当于10个类别的图片模型的输出： 分类结果，0~9之间的一个数下面通过多层感知器模型以及卷积神经网络的方式进行实现二、基于多层感知器的手写数字识别多层感知器的模型如下...

一、概述CIFAR-10是一个比较经典的数据集，主要用于图像分类；该数据集共有60000张彩色图像，这些图像是32*32，分为10个类，每类6000张图。这里面有50000张用于训练，构成了5个训练批，每一批10000张图；另外10000用于测试，单独构成一批。测试批的数据里，取自10类中的每一类，每一类随机取1000张。抽剩下的就随机排列组成了训练批，对应的具体类别示例如下所示。二、...

一、概述OpenPose最开始由卡内基梅隆大学提出，其主要基于先后发表的几篇文章中提出的模型中进行实现：CVPR 2016： Convolutional Pose Machine（CPM）CVPR2017 ： realtime multi-person pose estimationCVPR2017 ： Hand Keypoint Detection in Single Images...

一、经典卷积神经网络剖析卷积神经网络中较位经典的网络有LeNet-5、AlexNet、VGG16等，下面分别进行介绍：    LeNet-5这一神经网络模型是Yann LeCun 教授于1998年在论文 Gradient-based learning applied to