- 博客(4)
- 收藏
- 关注
RSS订阅原创 神经网络与深度学习课程总结04
基本滑动窗口：在图片上生成一个检测窗口，按顺序扫过图片全部位置，对于每个位置都检测是否存在目标，缺点是滑动次数太多，计算太慢，假设图片大小448 × 448,识别一个目标需要0.05s那么一共需要将近3小时，一般图片中，大多数位置都不存在目标。其中𝑁代表测试集中所有图片的个数，𝑃(𝑘)表示在能识别出𝑘个图片的时候Precision的值，而 Δ𝑟(𝑘)则表示识别图片个数从𝑘 − 1变化到𝑘时（通过调整阈值）Recall值的变化情况。TP: 被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数。
2023-04-07 19:44:53
226
1
原创 神经网络与深度学习课程总结03
AlexNet一共有8层可学习层——5层卷积层和3层全连接层，对比LeNet5，池化层均采用最大池化，选用ReLU作为非线性环节激活函数，网络规模扩大，参数数量接近6000万，出现“多个卷积层+一个池化层”的结构。VGG-16对比LeNet5和AlexNet，网络规模进一步增大，参数数量约为1.38亿，由于各卷积层、池化层的超参数基本相同，整体结构呈现出规整的特点。VGG-16的主要特征是随网络深入，高和宽衰减，通道数增多。普通网络的基准模型受VGG网络的启发，卷积层主要有3×3的过滤器，并遵循两个简。
2023-04-01 20:38:52
57
原创 神经网络与深度学习课程总结2
全连接网络：链接权过多，难算难收敛，同时可能进入局部极小值，也容易产生过拟合问题。局部连接网络：顾名思义，只有一部分权值连接。部分输入和权值卷积。填充：也就是在矩阵的边界上填充一些值，以增加矩阵的大小，通常用0或者复制边界像素来进行填充。步长：如图步长为2卷积神经网络结构：构成：由多个卷积层和下采样层构成，后面可连接全连接网络。卷积层：k个滤波器。下采样层：采用mean或max。后面：连着全连接网络。
2023-03-27 15:49:54
53
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