![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
卷积神经网络
文章平均质量分 90
卷积神经网络学习笔记
今天我要睡午觉
这个作者很懒,什么都没留下…
展开
-
第四章 人脸识别与神经风格迁移
目录 1One Shot学习 2Siamese网络 1Siamese网络模型 2Triplet损失 3 二分类 3 风格迁移 1 风格迁移概念 2 代价函数 3 内容代价函数 4 风格代价函数 人脸验证:输入一张人脸图片,验证输出是否和模板是一个人,属于一对一问题 人脸识别:输入一张人脸图片,验证输出是否是K个模板中的一个,属于一对多问题 人脸识别由于分别与K个模板比较,其错误率会相应增加,模板越多,错误率越高。 1One Shot学习 One-sho学习就是说训练...原创 2021-07-17 01:08:20 · 320 阅读 · 0 评论 -
第三章 目标检测
目录 1 目标定位 2 特征点检测 3 目标检测 4 滑动窗口的卷积实现 1 单个滑动窗口的卷积 2 YOLO算法 3 交并比 4 YOLO算法-极大值抑制 5 YOLO算法-多目标重叠情况 5 候选区域 1 目标定位 目标检测的目标不同于前面几章的判断问题,我们不仅需要判断还需要确定物体的位置。 标准的CNN分类问题可以帮助我们判断图中是否有某个物体 原始图片经过卷积层后,softmax层会输出4 x 1向量来给出判断,但目标定位问题并不仅限于此 我们首先给出规定原创 2021-07-16 23:26:21 · 681 阅读 · 2 评论 -
第二章 深度卷积模型:案例研究
目录 1 典型网络模型 2 残差网络 1 残差网络结构 2 残差网络原理 3 网络中的网络和1×1卷积 4Inception网络 5 数据增强 本章将会介绍几个典型的卷积神经网络模型来帮助我们加深对知识的了解。 1 典型网络模型 LeNet-5提出于1998年,它是第一个成功应用于数字识别问题的卷积神经网络。 上图展示了LeNet-5模型的结构,其顺序一般是CONV layer->POOL layer->CONV layer->POOL layer->..原创 2021-07-16 19:16:52 · 210 阅读 · 0 评论 -
第一章 卷积神经网络基础
目录 1 边缘检测 2 padding 3 卷积步长 4 三维卷积 5 单层卷积神经网络 6 池化层 7 卷积神经网络范例 计算机视觉是深度学习应用的主要方向之一,一般的CV问题包括三类:图像分类,目标识别记忆风格转换,传统神经网络处理CV问题时网络权重W非常大,会造成神经网络结构复杂,易过拟合,同时所需的内存计算量极大,解决方法就是使用卷积神经网络。 1 边缘检测 神经网络解决CV问题实际上就是从浅层到深层,先检测边缘特征,局部特征,然后检测出整体面部轮廓的过程。 常见的图片边缘有两原创 2021-07-16 17:48:51 · 292 阅读 · 0 评论