![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
Mr.Ma.01
Java后端开发工程师
展开
-
目标检测
目标检测两阶段方法R-CNN候选区域生成区域分类边界框回归SPP-Netspatial pyramid poolingFast R-CNNRoI Pooling多任务损失Faster R-CNNRPN网络一阶段方法目标检测的任务:发展历程:两阶段方法R-CNN1.输入图像2.提取一些候选的检测框(约2000个)3.为每一个候选检测框提取CNN特征4.为每个检测框分类候选区域...原创 2019-11-10 21:11:26 · 1007 阅读 · 0 评论 -
depthwise separable convolutions-cifar10
depthwise separable convolutions-cifar10深度可分离卷积数据预处理from keras.datasets import cifar10(train_images, train_labels), (test_images, test_labels) = cifar10.load_data()train_images = train_images....原创 2019-10-30 18:26:47 · 248 阅读 · 0 评论 -
VGG16-猫狗分类-imagenet预训练模型
猫狗分类-VGG16-使用imagenet预训练网络该练习使用VGG16网络架构和imagenet预训练网络。在卷积基上添加一个密集连接分类器,利用冻结的卷积基端到端地训练模型。为防止过拟合,网络中使用了L2正则化,0.5的dropout,训练集上使用了数据增强。在训练时冻结VGG16卷积基。使模型泛化性更好,防止波动过大,破坏先前的模型。import osimport numpy a...原创 2019-10-27 15:10:00 · 5510 阅读 · 0 评论 -
猫狗分类-kaggle数据集-小型卷积网络
猫狗分类猫狗分类-(小型卷积神经网络-6层)数据准备数据集目录结构网络模型数据预处理训练(利用生成器拟合模型)-30轮训练可视化数据增强增加dropout层,防止过拟合经过数据增强和增加dropout层后再拟合-100轮结果总结参考:猫狗分类-(小型卷积神经网络-6层)数据来源:Kaggle在2013年公开的猫狗数据集,该数据集总共25000张图片,猫狗各12500张。下载链接:https:...原创 2019-10-26 12:57:35 · 10406 阅读 · 10 评论 -
LenNet5-MNIST
LenNet5-keras实现(MNIST数据集)LeNet-5卷积神经网络模型LeNet-5:是Yann LeCun在1998年设计的用于手写数字识别的卷积神经网络,它是早期卷积神经网络中最有代表性的模型。LenNet-5共有7层(不包括输入层)LeNet-5中主要有2个卷积层、2个下抽样层(池化层)、3个全连接层from keras import layersfrom keras...原创 2019-10-24 21:25:07 · 809 阅读 · 0 评论 -
IMDB-Second-classification
二分类-IMDB-全连接IMDB数据集:包含来自互联网电影数据库的50000条严重两极分化的评论。其中的数据已经预处理过了:评论(单词序列)已经被转换为整数序列。其中每个整数代表字典中的某个单词。加载IMDB数据集from keras.datasets import imdb(train_data,train_labels),(test_data,test_labels) = imdb...原创 2019-10-24 18:08:08 · 472 阅读 · 0 评论 -
MNIST全连接实现(keras)
keras全连接网络实现(Sequential)一 加载keras中的MNIST数据集from keras.datasets import mnistUsing TensorFlow backend.(train_images,train_labels),(test_images,test_labels)=mnist.load_data()A local file was foun...原创 2019-10-23 21:43:50 · 612 阅读 · 0 评论 -
语义分割
semantic segmentation从像素层次来识别图像;为图像中的每个像素指定类别标记图像分割定义:根据某些规则将图片分成若干个特定,具有独特性质的区域,并抽取感兴趣的目标。DeepLabv3+Deep Labelling for Semantic Image Segmentation语义分割任务表达Mask(掩膜):覆盖预测单个通道,表示图像中存在特定类别的区域(像素级类别标...原创 2019-10-21 20:14:52 · 1047 阅读 · 0 评论 -
卷积神经网络
卷积神经网络神经网络的问题图像模式的特性一图像模式的特性二卷积神经网络解决方法:CNN基本结构输入层卷积层(特征提取)卷积核(应用)步长(stride)padding(边缘填充)卷积层尺寸激活层池化层两种典型的池化操作池化层尺寸全连接层小结CNN网络训练损失与误差反向传播梯度下降反向传播sigmoid举例模型评估模型正则化参考神经网络的问题在处理二维图像问题中,全连接网络表现不是很好,因为随便...原创 2019-10-07 18:12:08 · 508 阅读 · 0 评论 -
paddlepaddle本地环境配置
win10 pip安装1.python安装官网下载64位python3.5可执行文件安装包点击执行安装完成cmd->python2.PaddlePaddle安装cmd中,执行pip install paddlepaddle开始安装注意:安装失败,如果出现如下提示,自行升级pip安装完成后有可能出现警告:上述警告说,paddlepaddle有些依赖的库版本大于...原创 2019-10-07 12:14:13 · 1180 阅读 · 0 评论 -
手写数字识别(paddlepaddle)
手写数字识别总览准备数据配置网络定义网络结构定义数据层获取分类器定义损失函数定义优化函数训练网络模型预测结果总览准备数据使用paddle paddle封装好的接口#导入需要的包import numpy as npimport paddle as paddleimport paddle.fluid as fluidfrom PIL import Imageimport matpl...原创 2019-10-07 11:37:56 · 1272 阅读 · 0 评论 -
深度学习基础
@ [TOP] 深度学习深度学习的目的:寻找一个合适的函数,能够准确地预测出类别。进一步解释为,从候选的函数集合中找一个最好的函数学习过程:具体细节:1.建立模型(人来确定函数集合)定义:确定复杂函数的基本形态,但还不确定它的具体参数,也就是确定了一个函数集合。神经元(一种简单的线性函数)通过将上述简单神经元组合成复杂的神经网络(复杂的函数)网络结构单纯的线性叠加,...原创 2019-10-05 08:56:47 · 204 阅读 · 0 评论