深度学习理论
文章平均质量分 82
深度学习理论
冰激凌啊
下雨打伞
展开
-
深度学习基础:评价标准——TP、FN、FP、TN、AP、MAP
010TP:实际正类预测为正类的数量;FN:实际正类预测为负类的数量;1FP:实际负类预测为正类的数量;TN:实际负类预测为负类的数量T=True,F=False,表示是否预测正确;P=Positive,N=Negative,表示预测结果是正类还是负类。精确率(被预测为正例的示例中实际为正例的比例): precision=aa+c=TPTP+FPprecision = \frac{a}{a+c}=\frac{TP}{TP+FP}p原创 2022-01-09 17:30:28 · 3529 阅读 · 1 评论 -
目标检测:从RCNN、Fast RCNN到Faster RCNN
01 传统图像识别方法传统的图像识别算法解决目标检测问题时,主要分为4个步骤:(1)在图片上选出所有物体可能出现的区域框,可以是滑动窗口等穷举法。(2)对(1)步找到的区域卡进行特征提取。(3)对(2)步提取出来的特征进行分类(4)通过非极大值一直(Non-maximum suppression)提取结果其中:可以对穷举法进行一些改进,使用selective search进行启发式的搜索来发现可能出现图像的区域;由于CNN对于特征提取的有效性,可以通过CNN来实现步骤(2);特征提取后,再原创 2021-10-14 21:44:54 · 612 阅读 · 0 评论 -
深度学习之卷积
01 卷积卷积是指在滑动中提取特征的过程,可以形象地理解为用放大镜把每步都放大并且拍下来,再把拍下来的图片拼接成一个新的大图片的过程。2D卷积是一个相当简单的操作:我们先从一个小小的权重矩阵,也就是 卷积核(kernel) 开始,让它逐步在二维输入数据上“扫描”。卷积核“滑动”的同时,计算权重矩阵和扫描所得的数据矩阵的乘积,然后把结果汇总成一个输出像素。也就是说,【卷积操作后得到的矩阵中的每个元素】都是由两个矩阵乘积得来的——这两个矩阵分别是【原矩阵在滑动过中分割出来的“大小等同于卷积核”的矩阵】原创 2021-09-08 22:07:38 · 16298 阅读 · 4 评论 -
深度学习基本概念
深度学习是一种基于神经网络的机器学习。神经网络模型计算中会涉及大量的向量、矩阵和张量计算。01 向量、矩阵和张量及其运算向量计算:转置加减点积Dot Product(即内积Inner Product):对应分量相乘并求和矩阵计算:单位阵转置求轨……张量(tensor),向量可看做一维张量。矩阵可看做二维张量。例如:黑白图片是二维矩阵(图片的高h,宽w)彩色图片是三维张量(图片高度h,宽度w,图片的通道数目c)(h×w×ch\times w \times ch×w×c原创 2021-09-01 17:10:38 · 8943 阅读 · 0 评论 -
机器学习基本概念
机器学习包括:监督学习无监督学习对于监督学习,训练集包含输入的数据X及其对应的标签Y我们所求的是一个包含了X和Y的概率分布 机器学习的任务:对于概率分布Pθ(X)P_\theta(X)Pθ(X),寻找最优参数 θt\theta_tθt,使得概率分布Pθ(X)P_\theta(X)Pθ(X)最大概率分布分为:联合概率分布 Pθ(X,Y)P_\theta(X,Y)Pθ(X,Y)表示数据和标签共同出现的概率条件概率分布 Pθ(Y∣X)P_\theta(Y|X)P原创 2021-08-29 21:06:34 · 227 阅读 · 0 评论 -
深度学习(1):BP神经网络
参考:最容易听懂的BP神经网络教程----萌新入门首选课:https://www.bilibili.com/video/BV11K4y1h7MDBP神经网络的结构浅层神经网络深度学习的神经网络只有一个隐含层有多个隐含层感知器感知器(Perceptron)包括输入项、权重、偏置、激活函数、输出组成。激活函数常使用 Sigmoid函数因为经过他的斜率和原函数的斜率相同(即不影响梯度)BP神经网络的核心步骤实线代表正向传播,虚线代表反向传播梯度下原创 2021-08-18 19:47:39 · 269 阅读 · 0 评论 -
【医疗图像分割 资料整理 - 下】关于深度学习的一些概念
01 正则化——正则化防止过拟合,为惩罚高阶参数,在代价函数中加入惩罚项/正则化项参考:https://blog.csdn.net/speargod/article/details/80233619——对于神经网络,约束M,以防止过拟合02 语义分割除了自动驾驶之外,图像分割还广泛应用于医学诊断、卫星影像定位、图片合成等领域http://baijiahao.baidu.com/s?id=1602428106371812559&wfr=spider&for=pchttps原创 2021-08-17 20:47:51 · 290 阅读 · 0 评论 -
【医疗图像分割 资料整理 - 上】从CNN、FCN到UNet
01 CNN卷积神经网络参考CNN初探https://www.cnblogs.com/fydeblog/p/7450413.html?tdsourcetag=s_pctim_aiomsg1.1 基本模块模块名称备注输入层二维向量卷积层对输入层进行卷积,提取高层次特征滤波器/内核——对输入信号进行筛选,选择和它类似的信号池化层(下采样层)每领域四个像素中的最大值变为一个像素——卷积已提取特征,相邻区域特征类似,池化选出最能表征特征的像素,缩减数据量,同时保留原创 2021-08-17 20:47:18 · 2979 阅读 · 0 评论