深度学习
文章平均质量分 94
IAz-
这个作者很懒,什么都没留下…
展开
-
[DL]深度学习_扩散模型
扩散模型运行原理首先sample一个都是噪声的图片向量,这个向量的shape和要生成的图像大小相同。通过Denoise过程来一步一步有规律的滤去噪声。Denoise的次数是事先规定的,给每一个步骤给定编号,最终步骤编号为1。从噪声到图像的过程称为Reverse Process雕像已经在大理石里边了,我只是把不要的部分凿掉。--米开朗基罗将相同的Denoise model反复进行图像去噪过程,但是每一个步骤阶段输入的噪声图像之间差别很大。原创 2024-08-18 20:28:00 · 941 阅读 · 0 评论 -
[DL]深度学习_知识蒸馏
知识蒸馏网络是一种神经网络模型,用于将复杂模型的知识转移到简化的模型,以提高模型的性能和效率。它借鉴了知识蒸馏方法的思想,通过将复杂模型的知识传递给简化模型来实现模型压缩和加速。知识蒸馏网络的基本原理是通过引入一个教师模型(通常是一个复杂的模型,例如深度神经网络)来指导一个学生模型(通常是一个简化的模型,例如浅层神经网络)的训练。教师模型在训练过程中可以提供额外的信息,例如类别概率分布、中间层特征表示等,以帮助学生模型更好地学习。将知识从教师网络迁移到学生网络中。原创 2024-07-26 11:33:09 · 186 阅读 · 0 评论 -
[DL]深度学习_Feature Pyramid Network
Feature Pyramid Network (FPN)是一种用于目标检测和语义分割的神经网络架构。它的目标是解决在处理不同尺度的图像时,信息丢失和语义细节模糊的问题。FPN的核心思想是通过在网络中添加一组横向连接来构建多尺度特征金字塔。这些横向连接将底层的高分辨率特征与高层的低分辨率特征进行融合,以捕捉不同尺度的语义信息。融合后的特征金字塔可用于检测和分割任务中的多尺度目标识别。具体来说,FPN在主干网络(如ResNet)中的每个阶段添加一个横向连接,以便从高层到底层传递信息。原创 2024-01-13 17:31:21 · 1656 阅读 · 0 评论 -
[DL]深度学习_AlexNet
AlexNet是一种经典的卷积神经网络模型,由Alex Krizhevsky、Ilya Sutskever和Geoffrey E. Hinton于2012年提出。它是第一个在ImageNet比赛中获得冠军的深度神经网络模型,引领了深度学习在计算机视觉领域的发展。AlexNet的结构包含了8个图层,其中前5个是卷积层,后3个是全连接层。下面是对每个图层的详细介绍:输入层(Input Layer):接受输入的图像,并进行预处理。原创 2023-12-26 11:30:52 · 959 阅读 · 0 评论 -
[DL]深度学习_Faster R-CNN
一、目标检测前言二、Faster R-CNN理论三、源码解析四、论文精读原创 2023-12-23 17:36:59 · 931 阅读 · 0 评论 -
[DL]深度学习_ResNet
在神经网络中,"degradation"(退化)指的是当网络的深度增加时,性能反而下降的现象。具体来说,随着网络层数的增加,训练误差会逐渐减小,但验证误差却会先减小后增大,导致模型的性能退化。网络退化问题的原因有以下几点:梯度消失(Gradient Vanishing):在深层网络中,反向传播算法可能会导致梯度逐渐变小,使得参数更新很小或无法更新,从而降低网络的学习能力。原创 2023-12-19 21:40:51 · 934 阅读 · 0 评论 -
[DL]深度学习_CNN卷积神经网络
在深度学习中,卷积是一种特殊的数学运算,它被广泛应用于卷积神经网络(Convolutional Neural Networks,CNNs)中。在卷积神经网络中,卷积主要是指对于输入张量(通常是图像或时间序列数据)的一种特殊的线性变换。卷积的定义在深度学习中稍有不同,具体来说,在卷积神经网络中,卷积操作是通过将一个可训练的小型过滤器(也称为卷积核或滤波器)应用于输入张量的不同位置来计算输出张量的过程。这个过滤器被滑动到输入张量的每个位置,并且在每个位置进行点乘和求和来计算一个输出值。原创 2023-12-12 17:36:36 · 1376 阅读 · 0 评论 -
[DL]深度学习_神经网络
神经网络前向传播(Feedforward Propagation)是指将输入数据在神经网络中进行计算的过程。在神经网络的每一层中,通过激活函数对输入进行转换,再将转换后的结果传递到下一层,直到达到输出层。在前向传播的过程中,每一层的权重和偏置都会被使用。整个前向传播的过程是一个单向的计算过程,没有反馈回来的信息。在每一层中,将输入数据乘上对应层的权重矩阵,再加上偏置向量。将该层的输出传递到下一层,重复步骤2-3,直到达到输出层。对每一层的结果使用激活函数进行转换,得到该层的输出。原创 2023-12-11 20:03:21 · 1910 阅读 · 0 评论 -
[DL]深度学习_基础
深度学习(Deep Learning)源于神经网络领域,是一种基于多层神经网络的机器学习方法。相较于传统的浅层神经网络,深度学习模型具有更高的神经网络层数,因此能够处理更为复杂的数据,包括图像、语音、自然语言等。深度学习的基本构建模块是神经网络,其基本思想是将大量数据输入到神经网络中进行训练,通过不断调整神经元之间的连接权重,学习到数据中的特征,然后用这些学习到的特征来进行预测和分类。神经网络中的每一个神经元都拥有权重和偏置,权重确定了神经元之间的连接强度,偏置则是用于调整神经元的输出值。原创 2023-12-08 11:15:58 · 746 阅读 · 0 评论