AI
文章平均质量分 78
雨落的太敷衍..
这个作者很懒,什么都没留下…
展开
-
全面认识人工智能 ——学习笔记
文章目录一、什么是人工智能?二、人工智能的发展方向三、人工智能的结构体系四、机器学习和人类学习的联系五、深度学习和传统(统计)学习的区别六、人工智能的三次浪潮七、人工智能的分类八、云、大数据、人工智能的关系。一、什么是人工智能?通过学习掌握了某种技能的机器,我们认为它具备了人工智能!二、人工智能的发展方向随着数据红利消耗殆尽,以深度学习为代表的感知智能遇到天花板。认知智能将是未来一段时期内AI发展的焦点 ,是进一步释放AI产能的关键。三、人工智能的结构体系四、机器学习和人类学习的联系原创 2020-12-06 16:52:16 · 333 阅读 · 0 评论 -
注意力机制 ——学习笔记
文章目录一、生物神经网络的注意力1.1 生物注意力的种类视觉注意力听觉注意力语言注意力1.2 生物注意力的优势1.3 注意力与记忆力的关系1.4 人工神经网络的注意力二、为什么要使用注意力?2.1 从算力的角度分析2.2 从算法角度分析三、注意力的种类3.1 普通注意力3.2 自注意力3.3 单头(自)注意力3.4 多头(自)注意力四、注意力的位置4.1 注意力和模型分离4.2 注意力和模型一体五、注意力的模型自然语义方向视觉方向六、注意力的应用七:SEQ2SEQ注意力机制一、生物神经网络的注意力1原创 2020-12-06 15:08:35 · 1780 阅读 · 0 评论 -
深度学习:卷积神经网络模型设计
文章目录一、网络模型设计目的二、网络模型设计的重点三:网络模型设计的形式3.1 3*3和1*1的卷积(应用模型:ResNet)3.2 分组卷积(ResNeXt)3.3 可分离卷积(MobileNet-v1、v2)3.4 通道混洗(ShuffelNet)3.5 通道混洗一、网络模型设计目的1、为了节省设备存储空间,让神经网络在更小计算力的设备上运行。同样价格的PC和移动设备下,PC机的计算力要比移动设备强大很多,所以如何让神经网络网络在移动设备上也能够运行,就涉及到了网络模型的设计。2、为了提升网络原创 2020-11-15 17:39:54 · 1281 阅读 · 0 评论 -
常见的卷积神经网络模型
文章目录一、LeNet二、AlexNet2.1 AlexNet的优点三:VGGNet3.1 VGG的特点3.2 VGG与AlexNet的比较四:GoogLeNet(Google inception Net)总结一、LeNet LeNet诞生于1994年,由深度学习三巨头之一的Yan LeCun提出,他也被称为卷积神经网络之父。 LeNe原创 2020-11-15 16:56:55 · 7243 阅读 · 0 评论 -
Pytorch实现YOLO V3(过拟合版本)
文章目录一:cfg.py二、dataset.py三:model.py四:trainer.py五:detector.py六:Utils6.1 tool.py6.2 parse_xml.py6.3 FRN.py七:效果代码目录:一:cfg.py# 配置文件IMG_HEIGHT = 416IMG_WIDTH = 416CLASS_NUM = 4"anchor box是对coco数据集聚类获得"ANCHORS_GROUP_KMEANS = { # k-means聚类得到的先验框(建议框)原创 2020-11-14 16:05:57 · 342 阅读 · 0 评论 -
GAN及其重要变种CGAN、DCGAN
文章目录一、什么是GAN?二、原始GAN1. GAN的基本框架2.原始GAN的核心思想3.GAN的原理4.损失函数5.GAN的训练6.GAN的优点7.GAN的缺点8.GAN的应用三:CGAN四:DCGAN1.网络结构2.DCGAN网络结构设计要点3.DCGAN训练细节一、什么是GAN? GAN(Generative Adversarial Networks), 生成式对抗神经网络,是一种基于无监督学习方法的生成类模型原创 2020-11-14 15:23:22 · 3018 阅读 · 0 评论 -
自编码网络(附代码实现)
文章目录一、自编码是什么?二、自编码网络结构三:自编码网络运行过程四:使用自编码的原因五:自编码的特点六:自编码网络的种类1. 普通自编码网络(Autoencoder)2. 稀疏自编码网络(Sparse Autoencoder)3. 降噪自编码网络(Denoising Autoencoders)4. 收缩自编码网络(Contractive Autoencoders)5. 堆叠自编码网络(Stacked Autoencoders)6. 深度自编码网络(Deep Autoencoders)一、自编码是什么原创 2020-11-12 17:39:42 · 5540 阅读 · 2 评论 -
基于MTCNN和Arc-Loss的人脸识别(详细版)
文章目录一、人脸识别介绍1.1 发展历史1.2 什么是人脸识别?二:人脸识别步骤2.1 人脸侦测2.2 特征提取2.3 特征对比三:人脸识别难点四:人脸检测原理五:YOLO和MTCNN的比较六:人脸识别的方法6.1 早期的机器学习方法(2012年之前):6.2 现在常用的深度学习方法(2016年之后):七:人脸特征定位八:人脸识别应用案例九:人脸检测模型MTCNN9.1 什么是MTCNN?9.2 为什么学习MTCNN?9.3 学习MTCNN能做什么?9.4 MTCNN三大网络9.5 影响MTCNN进行人脸.原创 2020-11-11 16:30:01 · 2835 阅读 · 3 评论