- 博客(6)
- 收藏
- 关注
原创 吴恩达deeplearning之CNN—卷积神经网络入门
1.边界检测示例假如你有一张如下的图像,你想让计算机搞清楚图像上有什么物体,你可以做的事情是检测图像的垂直边缘和水平边缘。 如下是一个6*6的灰度图像,构造一个3*3的矩阵,在卷积神经网络中通常称之为filter,对这个6*6的图像进行卷积运算,以左上角的-5计算为例 3∗1+0∗0+1∗−1+1∗1+5∗0+8∗−1+2∗1+7∗0+2∗−1=−53*1+0*0+1*-1+1*1+5*0+
2017-11-28 22:48:55 161606 80
原创 吴恩达deeplearning之CNN—人脸识别与风格化转换(2)
6.什么是神经网络风格转换把下图content的内容转换成Style风格的图像,结果如下Generate图像所示。 7.什么是深度卷积网络这部分通过一些可视化例子来理解,深度卷积网络在学习一些什么东西。 假如训练了一个Alex卷积网络,我们来详细看网络隐藏单元 从第一层的隐藏单元开始,假设遍历了训练集,然后发现最大化激活运算单元的图片或图片是什么,换句话说,将你的训练集经过神经网络然后弄明白哪
2017-11-26 20:46:04 2858
原创 吴恩达deeplearning之CNN—人脸识别与风格化转换(1)
1.什么是人脸识别这部分演示了百度总部大楼的人脸识别系统,员工刷脸进出办公区,在这个演示中主要应用到了人脸识别技术和活体检测。 人脸识别的术语: 1)face verification:输入图像、名字ID判断输入图像是不是名字ID指定的用户 2)face recognition:有一个包含K个用户的数据库,拿到一幅图片,然后判断图片中的人是不是在数据库中,在输出指定用户name,不在就输出未识
2017-11-23 22:57:37 9237 3
原创 吴恩达deeplearning之CNN—目标检测(2)
5. Bounding Box预测 这一部分主要讨论看怎么能得到更为精准的边界框。 在滑动窗口算法中,通过取离散的位置集合然后再上面跑分类器,在有的情况下这些边界框没有一个能完美匹配汽车位置,甚至最合适的边界框可能并不是正方形而是长方形,怎么让边界框的输出更为精准? 其中一个能得到更精准的边界框的算法是YOLO算法,YOLO算法[1]的意思是你只看一次。比如你的输入图像
2017-11-21 23:08:40 2358 1
原创 吴恩达deeplearning之CNN—目标检测(1)
1 目标定位 这一周学习的主要内容是对象检测,它是计算机视觉领域一个新兴的应用方向,相比两年前,它的性能也越来越好,在构建对象检测之前,需要先了解一下对象定位。 对于图片分类任务大家都耳熟能详,算法通过遍历如下图片来判断其中是不是汽车。而对象定位不仅需要算法判断图片中是不是汽车,还要在图片中标记处它的位置,用边框或红色方框把车圈出来,这就是定位分类问题,在后面的章节我们还会分享如果同一幅
2017-11-20 22:39:51 6681
原创 吴恩达卷积神经网络笔记(2)—深度卷积网络:实例研究
一、 经典的卷积网络LeNet-5AlexNetVGGResNetInception1.1 LeNet-5(Lecun)6000 个参数 Gradient-based learning applied to document recognition(1998)1.2 AlexNet (Hinton)6000万个参数 ImageNet classification with deep
2017-11-13 15:56:11 1550
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