深度学习
文章平均质量分 78
深度学习算法
进步小白
小白一个,进步中……
展开
-
什么是patch?
定义:Patch是图像的一个子区域,它可以是正方形或矩形,并且具有固定的尺寸。通常情况下,这些尺寸是预定义的,并作为CNN的超参数进行设置。Patch的大小可以根据具体任务和数据集的要求进行调整。原创 2023-08-12 10:47:51 · 1871 阅读 · 0 评论 -
深入浅出R-CNN:一种深度学习目标检测方法
R-CNN是一种基于区域的卷积神经网络(CNN)方法,用于检测和分类图像中的对象。它由Ross Girshick等人于2014年提出,旨在解决传统滑动窗口方法的一些缺点,如计算复杂度高和难以处理尺度变化等问题。R-CNN的核心思想是在输入图像中生成潜在的目标区域(即候选区域),然后使用卷积神经网络对这些区域进行特征提取和分类。这种方法大大减少了计算成本,并且能够在具有挑战性的数据集上实现高精度目标检测。原创 2023-07-12 14:25:58 · 226 阅读 · 0 评论 -
物体识别(香蕉)
✨✨✨希望在看文章的你今天又进步了一点点,生活更加美好!🌈🌈🌈。原创 2023-07-10 18:53:52 · 324 阅读 · 0 评论 -
图像增广:强化深度学习的视觉表现力
图像增广(Image Augmentation)是一种通过对原始图像进行各种变换来生成新的图像的方法。这些变换包括旋转、翻转、缩放、剪切、色彩变换等。通过图像增广,我们可以扩大数据集的规模,增加模型训练时的输入样本。这有助于提高模型的泛化能力,从而在面对新的、未知的数据时,也能达到较高的准确性。原创 2023-07-06 14:45:15 · 1914 阅读 · 0 评论 -
批量规范化
神经网络的发展正朝着越来越大,越来越深的地方发展,更深层的网络很复杂,容易过拟合。 这意味着正则化变得更加重要。批量规范化应用于单个可选层(也可以应用到所有层)批量规范化是一种流行且有效的技术,可持续加速深层网络的收敛速度,但一般不改变模型精度。批量规范化应用于单个可选层(也可以应用到所有层),其原理如下:在每次训练迭代中,我们首先规范化输入,即通过减去其均值并除以其标准差,其中两者均基于当前小批量处理。原创 2023-07-05 15:25:48 · 429 阅读 · 0 评论 -
ResNet:深度学习中的重要里程碑
首先是什么是残差块:让我们聚焦于神经网络局部:如图所示,假设我们的原始输入为x。左图虚线框中的部分需要直接拟合出该映射f(x),而右图虚线框中的部分则需要拟合出残差映射f(x)−x。残差映射在现实中往往更容易优化。右图是ResNet的基础架构–残差块在残差块中,输入可通过跨层数据线路更快地向前传播。ResNet的核心结构是残差块(residual block),由两个或三个卷积层组成。每个残差块包含了跳跃连接(skip connection),将输入直接传递给输出。原创 2023-07-02 15:37:23 · 854 阅读 · 0 评论 -
神经网络之VGG
经典卷积神经网络的基本组成部分是下面的这个序列:带填充以保持分辨率的卷积层;非线性激活函数,如ReLU;汇聚层,如最大汇聚层。而一个VGG块与之类似,由一系列卷积层组成,后面再加上用于空间下采样的最大汇聚层。在最初的VGG论文中 (),作者使用了带有3×3卷积核、填充为1(保持高度和宽度)的卷积层,和带有2×2汇聚窗口、步幅为2(每个块后的分辨率减半)的最大汇聚层。VGG的全称是视觉几何小组,隶属于牛津大学科学与工程系。原创 2023-07-01 15:56:34 · 3831 阅读 · 1 评论 -
深度卷积神经网络(AlexNet)
2012年,AlexNet横空出世。它首次证明了学习到的特征可以超越手工设计的特征。它一举打破了计算机视觉研究的现状。AlexNet使用了8层卷积神经网络,并以很大的优势赢得了2012年ImageNet图像识别挑战赛。AlexNet并不是第一个赢得图像识别竞赛的GPU实现的高速卷积神经网络。原创 2023-06-30 19:02:02 · 303 阅读 · 0 评论 -
LeNet基础
LeNet(LeNet-5)是历史上第一个成功应用于数字识别任务的卷积神经网络模型。由于其优秀的表现和先进的结构被广泛认可,成为深度学习的里程碑之一。LeNet由加拿大籍计算机科学家Yann LeCun在1998年提出,旨在解决手写数字识别问题。它是第一个能够通过卷积层和池化层实现特征提取和降维的卷积神经网络模型。LeNet-5模型的架构包含6层,包括2个卷积层、2个池化层和2个全连接层。LeNet-5的主要优点是它非常高效,具有一定的鲁棒性,并且在处理小尺寸图像时表现出色。原创 2023-06-29 16:54:17 · 779 阅读 · 0 评论 -
pytorch实战:预测房价
pytorch实战:预测房价,基础入门,动手学深度学习原创 2023-06-24 16:49:43 · 369 阅读 · 0 评论