CNN
ZhikangFu
这个作者很懒,什么都没留下…
展开
-
深度学习研究理解:Very Deep Convolutional Networks for Large-Scale Image Recognition
原文:http://blog.csdn.net/whiteinblue/article/details/43560491本文是牛津大学 visual geometry group(VGG)Karen Simonyan 和Andrew Zisserman 于14年撰写的论文,主要探讨了深度对于网络的重要性;并建立了一个19层的深度网络获得了很好的结果;在ILSVRC上定位第一,分类第二。转载 2015-05-29 11:58:08 · 818 阅读 · 0 评论 -
一文读懂卷积神经网络
今年七月份以来,一直在实验室负责卷积神经网络(Convolutional Neural Network,CNN),期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进CNN的理解和使用,特写此博文,以其与人交流,互有增益。正文之前,先说几点自己对于CNN的感触。先明确一点就是,Deep Learning是全部深度学习算法的总称,CNN是深度学习算法在图像处理转载 2015-09-14 15:15:18 · 888 阅读 · 0 评论 -
(CNN的反向求导及练习)
前言: CNN作为DL中最成功的模型之一,有必要对其更进一步研究它。虽然在前面的博文Stacked CNN简单介绍中有大概介绍过CNN的使用,不过那是有个前提的:CNN中的参数必须已提前学习好。而本文的主要目的是介绍CNN参数在使用bp算法时该怎么训练,毕竟CNN中有卷积层和下采样层,虽然和MLP的bp算法本质上相同,但形式上还是有些区别的,很显然在完成CNN反向传播前了解bp算法是必须转载 2015-09-14 15:46:00 · 1546 阅读 · 0 评论 -
Softmax vs. Softmax-Loss: Numerical Stability
The softmax loss layer computes the multinomial logistic loss of the softmax of its inputs. It’s conceptually identical to a softmax layer followed by a multinomial logistic loss layer, but provides a转载 2015-09-14 16:29:22 · 1076 阅读 · 0 评论 -
卷积神经网络
优点:(1)卷积神经网络对几何变换、形变、光照具有一定程度的不变性。(2)训练过的卷积神经网络可以用较小的计算代价扫描整幅待检测图像,因此,被广泛应用于目标检测。缺点:实践中,具有类标号的数据较少,而不具有类标号的数据非常丰富,为每个数据人工设置类标号是非常费时和枯燥的。然而,为了使得监督卷积神经网络通过训练具有较高的泛化能力,需要大量具有类标号的训练样本,这也是制转载 2015-09-14 16:56:46 · 1472 阅读 · 0 评论 -
Softmax回归
在本节中,我们介绍Softmax回归模型,该模型是logistic回归模型在多分类问题上的推广,在多分类问题中,类标签 可以取两个以上的值。 Softmax回归模型对于诸如MNIST手写数字分类等问题是很有用的,该问题的目的是辨识10个不同的单个数字。Softmax回归是有监督的,不过后面也会介绍它与深度学习/无监督学习方法的结合。(译者注: MNIST 是一个手写数字识别库,由NYU 的Y转载 2015-09-24 11:28:28 · 406 阅读 · 0 评论 -
cs231n学习笔记-CNN-目标检测、定位、分割
原文:http://blog.csdn.net/myarrow/article/details/518780041. 基本概念 1)CNN:Convolutional Neural Networks 2)FC:Fully Connected 3)IoU:Intersection over Union (IoU的值定义:Region Proposa转载 2016-10-24 17:06:08 · 957 阅读 · 0 评论 -
Faster-RCNN+ZF用自己的数据集训练模型(Python版本)
原文:http://blog.csdn.net/sinat_30071459/article/details/51332084说明:本博文假设你已经做好了自己的数据集,该数据集格式和VOC2007相同。下面是训练前的一些修改。(做数据集的过程可以看http://blog.csdn.net/sinat_30071459/article/details/50723212)转载 2016-10-19 11:08:52 · 1381 阅读 · 0 评论 -
深度学习你不可不知的技巧(上)
We assume you already know the basic knowledge of deep learning, and here we will present the implementation details (tricks or tips) in Deep Neural Networks, especially CNN for image-related tasks, m转载 2016-12-19 17:43:15 · 1498 阅读 · 0 评论