深度学习
dhy5710
这个作者很懒,什么都没留下…
展开
-
深度学习——激活函数
什么是激活函数?神经网络中的每个神经元节点接受上一层神经元的输出值作为本神经元的输入值,并将输入值传递给下一层,输入层神经元节点会将输入属性值直接传递给下一层(隐层或输出层)。在多层神经网络中,上层节点的输出和下层节点的输入之间具有一个函数关系,这个函数称为激活函数。为什么要激活?线性函数具有局限性——线性叠加的结果依旧是线性,多层线性神经元可以合并为一个神经元,而线性模型的能解决的问题有限,无法很好的拟合真实情况。原创 2022-10-20 19:13:43 · 248 阅读 · 0 评论 -
深度学习——数据集预处理
深度学习常常需要对图像数据进行预处理,通过不同手段,或增加数据量或提高数据质量。一、基于像素信息基于像素的数据增强常用的方法:1、亮度2、饱和度3、对比度4、颜色空间转换5、噪声扰动6、灰度图本文介绍一些常用数据增强方法。具体使用待补充。原创 2022-09-21 09:54:16 · 2516 阅读 · 0 评论 -
深度学习——泛化能力定量评价
上文说提高提升泛化能力的方法,那么怎么定量确定一个模型的泛化能力呢。1、错误率与精度2、查准率、查全率、F13、ROC与AUC转载 2022-09-21 09:01:29 · 294 阅读 · 0 评论 -
深度学习——提升模型泛化能力的方法
泛化能力指对同类型独立分布的新数据的预测结果是否符合我们的预期。我们常常用泛化能力来反应一个模型的好坏,将不同程度的泛化状态分为:欠拟合、拟合和过拟合。提升模型的泛化能力可以从两个方面着手:数据集和网络。转载 2022-09-21 08:47:14 · 2168 阅读 · 0 评论 -
深度学习——数据集分析
每每拿到数据集,为更好地了解数据,做出合适的预处理,需要对数据集进行一定的分析。一、图片从图片本身出发,我们研究图片的本身尺寸——即图像的宽高散点图;也需统计不同尺寸的图像的数量。总结,从图片出发,基础的分析可以有两种种。总结上述分析角度1、图像的宽高散点图2、不同尺寸的图像的数量3、标注框的宽高散点图4、标注框的宽高比5、各类别的标注框数量6、标注框中心分布情况7、每个类别的图片数量8、每个类别的宽高散点图9、每张图片上的标注框数量。原创 2022-09-21 20:13:01 · 2366 阅读 · 1 评论 -
深度学习——目标检测损失函数
目标检测损失分为类别损失和位置损失。原创 2022-09-25 17:07:37 · 3656 阅读 · 0 评论