![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习基础内容
碑 一
这个作者很懒,什么都没留下…
展开
-
CV之仿射变换
仿射变换可以表示平移,旋转以及缩放,通常使用 2×32\times 32×3 矩阵来表示仿射变换,在opencv中,其本质是两幅图片之间的转换关系,而这种关系,只需要获得仿射前后对应的三点即可以用逆矩阵求出:A=[a00a01a10a11]2×2B=[b00b10]2×1A = \begin{bmatrix} a_{00} & a_{01} \\ a_{10} & a_{11} \end{bmatrix}_{2 \times 2}B = \begin{bmatrix} b_{00}原创 2020-08-13 19:34:30 · 245 阅读 · 0 评论 -
BN操作详解
文章目录1 作用2 流程BN是由Google于2015年提出,论文是《Batch Normalization_ Accelerating Deep Network Training by Reducing Internal Covariate Shift》。1 作用1将输入值或卷积网络的张量进行类似标准化的操作,将其放缩到合适的范围,加快训练速度。2另一方面使得每一层可以尽量面对同一特征分布的输入值,减少变化带来的不确定性。BN可以防止学习过程中梯度消失,这一点论文中有阐述,作者说可以如果使用si原创 2020-07-29 16:43:08 · 4409 阅读 · 0 评论