深度学习
文章平均质量分 75
伊藤炫
我是好人
展开
-
Understanding Neural Networks Through Deep Visualization
yosinski.comUnderstanding Neural Networks Through Deep VisualizationJason Yosinski, Jeff Clune, Anh Nguyen, Thomas Fuchs, and Hod LipsonQuick links: ICML DL Workshop paper | code | vid转载 2017-10-29 22:09:03 · 902 阅读 · 0 评论 -
An Intuitive Explanation of Convolutional Neural Networks
Skip to contentthe data science blogmachine learning, deep learning, nlp, data scienceMenuAboutThe Data Science BlogReading MaterialContact MeAn Intuitive Explana转载 2017-10-29 22:11:11 · 535 阅读 · 0 评论 -
深入浅出——网络模型中Inceptionv1到 v4 的作用与结构全解析
深入浅出——网络模型中Inception的作用与结构全解析转载地址http://blog.csdn.net/u010402786目录(?)[+]一 论文下载 本文涉及到的网络模型的相关论文以及下载地址: [v1] Going Deeper with Convolutions, 6.67% test error转载 2017-10-22 14:47:38 · 595 阅读 · 0 评论 -
用BP人工神经网络识别手写数字——《Python也可以》之三
赖勇浩(http://laiyonghao.com)这是我读工程硕士的时候完成课程作业时做的,放在 dropbox 的角落中生尘已经有若干年头了,最近 @shugelee 同学突然来了兴致搞验证码识别,问到我的时候我记起自己做过一点点东西,特发上来给他参考,并趁机补充了一下《Python也可以》系列。图像预处理使用下图(后方称为 SAMPLE_BMP)作为训练和测试转载 2017-10-30 20:39:35 · 437 阅读 · 0 评论 -
卷积神经网络(深度学习)一些问题总结
卷积神经网络(深度学习)一些问题总结分类: cvpr | 标签: theano | 作者: zimenglan_sysu 相关 | 发布日期 : 2014-12-04 | 热度 : 246°转载于:http://www.aiuxian.com/article/p-341794.html版权归原作者所有*****转载 2017-10-23 18:09:28 · 410 阅读 · 0 评论 -
深度学习笔记6:全连接层的实现
深度学习笔记6:全连接层的实现标签: c语言神经网络深度学习cuda2016-08-21 14:31 14420人阅读 评论(3)收藏举报分类: 深度学习(13) 作者同类文章X版权声明:本文为博主原创文章,未经博主允许不得转载。目录(?)[+]全连接层的推导转载 2017-10-23 21:08:29 · 2734 阅读 · 0 评论 -
特征值与特征向量在图像处理中的应用
原文:http://wenku.baidu.com/view/b29d9148852458fb770b564a.html#摘要:正所谓学以致用,在长期以来的学习过程中,我们真正能够将所学到的知识运用到生活中的能有多少,我们对课本上那些枯燥的公式虽牢记于心,却不知道它的实际用途。在学习了矩阵论以来,虽然知道很多问题的求法,就如矩阵特征值和特征向量,它们有何意义我们却一点不知。我想纯粹的理知识已经转载 2017-10-24 11:56:42 · 7991 阅读 · 0 评论 -
全连接层的作用是什么?
作者:魏秀参链接:https://www.zhihu.com/question/41037974/answer/150522307来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。全连接层到底什么用?我来谈三点。全连接层(fully connected layers,FC)在整个卷积神经网络中起到“分类器”的作用。如果说卷积层、池化层和激转载 2017-10-24 15:54:53 · 3768 阅读 · 0 评论 -
CNN中全连接层是什么样的?
名称:全连接。意思就是输出层的神经元和输入层的每个神经元都连接。例子: AlexNet 网络中第一个全连接层是这样的:layer { name: "fc6" type: "InnerProduct" bottom: "pool5" top:"fc6" param { lr_mult: 1 decay_mult: 1 } par转载 2017-10-24 15:58:46 · 4331 阅读 · 0 评论 -
神经网络的直观解释
神经网络的直观解释标签: 神经网络 2017-05-12 21:00 460人阅读 评论(0)收藏举报分类: 图像处理(3) 作者同类文章X目录(?)[+]什么是卷积神经网络为什么它们很重要LeNet 架构 1990s图像是像素值的矩阵卷积非线性简介ReLU池化操作目前为止的转载 2017-10-24 16:03:15 · 304 阅读 · 0 评论 -
卷积神经网络算法
前言 从理解卷积神经到实现它,前后花了一个月时间,现在也还有一些地方没有理解透彻,CNN还是有一定难度的,不是看哪个的博客和一两篇论文就明白了,主要还是靠自己去专研,阅读推荐列表在末尾的参考文献。目前实现的CNN在MINIT数据集上效果还不错,但是还有一些bug,因为最近比较忙,先把之前做的总结一下,以后再继续优化。 卷积神经网络CNN是Deep Learning的一个重要算法,在很多转载 2017-10-24 16:49:28 · 2384 阅读 · 0 评论 -
PCA 的具体实现 (Eigenfaces特征脸)
PCA 的具体实现 (Eigenfaces特征脸)2015-05-06 14:24 306人阅读 评论(0)收藏举报分类: 算法(10) 作者同类文章X人脸识别(15) 作者同类文章X目录(?)[+] 原文地址:http://blog.转载 2017-10-25 12:29:25 · 558 阅读 · 0 评论 -
SIFT特征点描述子生成(生成特征向量)
SIFT特征点描述子生成(生成特征向量)转载 2017年04月26日 20:37:27标签:sift/opencv/特征提取/428转载 2017-10-25 12:33:01 · 2177 阅读 · 1 评论 -
人脸识别经典算法一:特征脸方法(Eigenface)
人脸识别经典算法一:特征脸方法(Eigenface)2014-09-25 15:57 22514人阅读 评论(3)收藏举报分类: 计算机视觉(3) 作者同类文章X这篇文章是撸主要介绍人脸识别经典方法的第一篇,后续会有其他方法更新。特征脸方法基本是将人脸识别推向真正可用的第一种方法,了解一下还是很有必转载 2017-10-25 12:36:21 · 924 阅读 · 0 评论 -
特征脸(Eigenface)理论基础-PCA(主成分分析法)
在之前的博客 人脸识别经典算法一:特征脸方法(Eigenface) 里面介绍了特征脸方法的原理,但是并没有对它用到的理论基础PCA做介绍,现在做补充。请将这两篇博文结合起来阅读。以下内容大部分参考自斯坦福机器学习课程:http://cs229.stanford.edu/materials.html假设我们有一个关于机动车属性的数据集{x(i);i=1,...,m}(m代表机动车的属性个数),转载 2017-10-25 18:25:00 · 304 阅读 · 0 评论 -
卷积神经网络工作原理直观的解释?
查看全部 35 个回答YJango1日本会津大学 人机界面实验室博士在读741 人赞同了该回答该文是卷积神经网络--介绍,并假设你理解前馈神经网络。如果不是,强烈建议你读完如何简单形象又有趣地讲解神经网络是什么? 后再来读该篇。目录视觉感知画面识别是什么识转载 2017-10-29 21:46:32 · 6765 阅读 · 2 评论 -
[翻译] 神经网络的直观解释
这篇文章原地址为An Intuitive Explanation of Convolutional Neural Networks,卷积神经网络的讲解非常通俗易懂。什么是卷积神经网络?为什么它们很重要?卷积神经网络(ConvNets 或者 CNNs)属于神经网络的范畴,已经在诸如图像识别和分类的领域证明了其高效的能力。卷积神经网络可以成功识别人脸、物体和交通信号,从而为机器人和自动驾驶转载 2017-10-29 21:37:56 · 962 阅读 · 0 评论 -
A Quick Introduction to Neural Networks
A Quick Introduction to Neural NetworksPosted on August 9, 2016August 10, 2016 by ujjwalkarnAn Artificial Neural Network (ANN) is a computational model that is inspired by the way biologic转载 2017-10-29 11:00:40 · 389 阅读 · 0 评论 -
CNN详解(卷积层及下采样层)
CNN详解(卷积层及下采样层)卷积神经网络包含卷基层、批量归一化层、下采样层、全连接层等。首先来介绍卷基层和下采样层。1、卷基层(Convolution)关于卷积层我们先来看什么叫卷积操作: 下图较大网格表示一幅图片,有颜色填充的网格表示一个卷积核,卷积核的大小为3*3。假设我们做步长为1的卷积操作,表示卷积核每次向右移动一个像素(当移动到边界时回到最左端并向下移动一个单位)。卷积转载 2017-10-18 18:36:45 · 3433 阅读 · 0 评论 -
caffe的LRN层粗解
caffe中有一个LRN 层,全称为Local Response Normalization,即局部响应归一化层。 该层参数有: normal_region:选择对相邻通道间归一化还是对通道内的空间区域归一化,默认为ACROSS_CHANNELS,即通道间归一化; local_size:两种表示,(1):通道间归一化是表示求和的通道数;(2):通道内归一化示表示归一化操作的转载 2017-10-18 20:14:04 · 449 阅读 · 0 评论 -
caffe study(5) - AlexNet 之结构篇
[转载]caffe study(5) - AlexNet 之结构篇(2016-07-27 08:47:14)转载▼标签:转载原文地址:study(5) - AlexNet 之结构篇">caffe study(5) - AlexNet 之结构篇作者:机器学习讲座在2012年的时候,Geoffrey和他学生Alex为了回应质疑转载 2017-10-18 20:19:50 · 209 阅读 · 0 评论 -
卷积神经网络概念与原理
一、卷积神经网络的基本概念 受Hubel和Wiesel对猫视觉皮层电生理研究启发,有人提出卷积神经网络(CNN),Yann Lecun 最早将CNN用于手写数字识别并一直保持了其在该问题的霸主地位。近年来卷积神经网络在多个方向持续发力,在语音识别、人脸识别、通用物体识别、运动分析、自然语言处理甚至脑电波分析方面均有突破。 卷积神经网络与普通神经网络的区别在于,卷转载 2017-10-18 21:00:33 · 412 阅读 · 0 评论 -
CNN笔记:通俗理解卷积神经网络
通俗理解卷积神经网络(cs231n与5月dl班课程笔记)1 前言 2012年我在北京组织过8期machine learning读书会,那时“机器学习”非常火,很多人都对其抱有巨大的热情。当我2013年再次来到北京时,有一个词似乎比“机器学习”更火,那就是“深度学习”。 本博客内写过一些机器学习相关的文章,但上一篇技术文转载 2017-10-19 09:02:39 · 313 阅读 · 0 评论 -
卷积神经网络学习--卷积和池化
卷积神经网络(CNN)由输入层、卷积层、激活函数、池化层、全连接层组成,即INPUT-CONV-RELU-POOL-FC。本文主要针对卷积层和池化层涉及的技术进行学习和整理,有理解的不对的地方希望能给指出,谢谢。1卷积1.1 单通道、一个卷积核的例子下面就举一个输入单通道图像、一个卷积核的例子来说明在卷积层是如何进行特征提取的。下图中的5*5矩阵A,是一副图像的转载 2017-10-19 09:24:02 · 530 阅读 · 0 评论 -
卷积神经网络
卷积神经网络转载请注明:http://blog.csdn.net/stdcoutzyx/article/details/41596663自今年七月份以来,一直在实验室负责卷积神经网络(Convolutional Neural Network,CNN),期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进CNN的理解和使用,特写此博文,以其与人交流,互转载 2017-10-19 09:34:19 · 229 阅读 · 0 评论 -
<python>strip() 函数和 split() 函数的理解
python中strip() 函数和 split() 函数的理解,有需要的朋友可以参考下。 一直以来都分不清楚strip和split的功能,实际上strip是删除的意思;而split则是分割的意思。因此也表示了这两个功能是完全不一样的,strip可以删除字符串的某些字符,而split则是根据规定的字符将字符串进行分割。下面就详细说一下这两个功能,1 python strip()函数 介转载 2017-10-28 22:10:26 · 346 阅读 · 0 评论 -
Deep Learning学习 之 卷积神经网络(CNN)
概述起源卷积网络最初是受视觉神经机制的启发而设计的,是为识别二维形状而设计的一个多层感知器,这种网络结构对平移、比例缩放、倾斜或者共他 形式的变形具有高度不变性。1962年Hubel和Wiesel通过对猫视觉皮层细胞的研究,提出了感受野(receptive field)的概念,1984年日本学者Fukushima 基于感受野概念提出的神经认知机(neocognitron)模型,它可以看转载 2017-10-28 22:30:26 · 338 阅读 · 0 评论 -
详解卷积神经网络(CNN)
详解卷积神经网络(CNN)详解卷积神经网络CNN概揽Layers used to build ConvNets卷积层Convolutional layer池化层Pooling Layer全连接层Fully-connected layer卷积神经网络架构Layer PatternsLayer Sizing PatternsCase Studies参考转载 2017-10-28 22:34:25 · 2949 阅读 · 0 评论 -
PCA 的具体实现 (Eigenfaces特征脸)
PCA 的具体实现 (Eigenfaces特征脸)2015-05-06 14:24 307人阅读 评论(0)收藏举报分类: 算法(10) 作者同类文章X人脸识别(15) 作者同类文章X目录(?)[+] 原文地址:http://blog.转载 2017-10-25 21:02:03 · 2227 阅读 · 0 评论