- 博客(4)
- 收藏
- 关注
RSS订阅原创 图像语义分割
深度学习研究的出现为语义分割研究提供了新的思路，众多实验证明，与传统的图像语义分割方法相比，基于深度学习的方法可以极大地提高语义分割的精度，满足计算机视觉应用的实际精度需求。与图像分类、物体检测、实例分割等计算机视觉经典研究内容不同，现行主流的基于深度学习的图像语义分割研究是通过算法对图像的每一个像素进行密集预测，为每个像素都贴上其所属类别的标签，从而达到为图像中每个相同 物体赋予语义信息的目的。其中现行基于深度学习的图像语义分割是从图像中每一个像素点的标记出发，探究图像中每个相同物体的语义信息的技术。
2023-05-17 19:55:52
162
1
原创 【无标题】
与卷积层类似，汇聚层运算符由⼀个固定形状的窗⼝组成，该窗⼝根据其步幅⼤⼩在输⼊的所有区域上滑动，为固定形状窗⼝（有时称为汇聚窗⼝）遍历的每个位置计算⼀个输出。然⽽，不同于卷积层中的输⼊与卷积核之间的互相关计算，汇聚层不包含参数。第⼀卷积层有6个输出通道，⽽第⼆个卷积层有16个输出通道。当卷积窗⼝滑动到新⼀个位置时，包含在该窗⼝中的部分张量与卷积核张量进⾏按元素相乘，得到的张量再求和得到⼀个单⼀的。在传统的神经网络中，其输入通常是一个特征向量，需要人工设计特征，然后将这些特征计算的值组成特征向量，效果差。
2023-05-17 19:52:18
68
原创 【无标题】
节点”一般用来表示施加的数学操作，但也可以表示数据输入的起点/输出的终点，或者是读取/写入持久变量的终点。与现在网络的区别：卷积时不进行填充，池化层选用平均池化而非最大池化，选用Sigmoid或tanh而非ReLU作为非线性环节激活函数，层数较浅，参数数量小。输出层：由欧式径向基函数单元构成，每类一个单元，输出RBF单元计算输入向量和参数向量之间的欧式距离。F6层：84个神经元，与C5全连接，总连接数(120+1)*84=10164。5卷积，与S4全连接，总连接数(5。C3层：与S2层部分连接。
2023-03-31 17:02:31
65
原创 神经网络与深度学习作业1
人工神经网络 (ANN)： 是从微观结构与功能上模拟人脑神经系统而建立的一类 模型，是模拟人的智能的一条途径 信息处理由人工神经元间的相互作用来实现，由联接权 来传递，具有学习能力、自适应性、联接强度的可变性。网络结构：见图，u、y是网络的输入、输出向量，神经元用节点表示，网络由输入层、隐层和输出层节点组成，隐层可一层，也可多层（图中是单隐层），前层至后层节点通过权联接。否则，转至反向传播。多层前馈网络的反向传播 （BP）学习算法，简称BP算法，是有导师的学习，它是梯度下降法在多层前馈网中的应用。
2023-03-21 22:19:27
116
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人