- 博客(4)
- 收藏
- 关注
RSS订阅原创 神经网络与深度学习-学习笔记(四)
在独热编码中，每个离散变量的可能取值被映射到一个高维空间中的一个点，在这个点上，对应于该取值的维度值为1，而其他维度的值为0。NeRF（Neural Radiance Fields）最早在2020年ECCV会议上发表，作为Best Paper，其将隐式表达推上了一个新的高度，仅用 2D 的 posed images 作为监督，即可表示复杂的三维场景。判别模型 D 是一个二分类器，估计一个样本来自于训练数据（而非生成数据）的概率，如果样本来自于真实的训练数据，D输出大概率，否则，D输出小概率。
2024-04-29 08:59:16
289
原创 神经网络与深度学习-学习笔记(三)
对于每个预测的包围框，计算其预测的目标存在的概率（即置信度）与真实标签的目标存在的概率之间的差异，然后使用逻辑回归损失函数来度量。对于每个预测的包围框，计算其预测的目标类别概率分布与真实标签的类别分布之间的差异，然后使用交叉熵损失函数来度量。包围框：包围框是用来描述检测到的目标位置的矩形框。NMS的基本思想是，在同一类别的目标检测结果中，首先选取置信度最高的框作为基准框，然后与其他检测结果进行比较，去除与基准框重叠度（通常是重叠面积与两个框面积的交集比例）高于设定阈值的框，重复这个过程直到所有框都被处理。
2024-04-21 23:34:38
1276
原创 神经网络与深度学习-学习笔记(二)
首先，一个卷积核的通道数是和被卷积的图像的通道数一致，例如，对于三通道的图像，那么一个卷积核也是由三个通道组成（三个叠加而成的二维矩阵）。其次，卷积核的个数可以是多个，每一个卷积核得到特征图的“一层”，N个卷积核得到的特征图就有N层，即特征图的深度为N。卷积得到的特征图的每一个像素值，是由对应位置的卷积核所覆盖的原始图像的对应像素值相乘，然后再相加获得的。（4）使用非常多的3*3卷积串联 ，卷积串联比单独使用一个较大的卷积核，拥有更少的参数量，同时会比单独一个卷积层拥有更多的非线性变换。
2024-04-07 21:38:25
1852
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人