![](https://img-blog.csdnimg.cn/20190927151101105.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习
文章平均质量分 65
深度学习
溯水襄陵_
这个作者很懒,什么都没留下…
展开
-
Batch Normalization详解
Batch Normalization里有一个momentum参数, 该参数作用于mean和variance的计算上, 这里保留了历史batch里的mean和variance值,即 moving_mean和moving_variance, 借鉴优化算法里的momentum算法将历史batch里的mean和variance的作用延续到当前batch.多个batch后, 即多个0.9连乘后,最早的batch的影响会变弱.翻译 2022-12-31 17:46:15 · 663 阅读 · 0 评论 -
Multi-scale context多尺度上下文信息的学习
Multi-scale context多尺度上下文信息的学习转载 2022-12-25 22:10:48 · 525 阅读 · 0 评论 -
如何查找项目的源代码
如何查找项目的源代码前言一 github二 CSDN三 博客园二前言平时科研中,为了解决某个问题,我们需要写大量的代码,有的动辄上千行,自己编写显然不太现实。那么怎么在网上找到我们所需要的源代码呢?一 github进入首页在搜索框中输入要搜索的内容随便点进去一个搜索结果看一下上半部分是代码,下半部分是代码的说明如果觉得代码可以的话,可以直接下载代码:下载下来是一个zip格式的压缩包搜索时的技巧:筛选规则选择特定的编程语言:比如python找精品的项目:搜索时添加“Awesom原创 2021-01-29 10:41:24 · 7195 阅读 · 0 评论 -
语义分割入门之路_从理论到实践
语义分割入门之路_从理论到实践来源:https://niecongchong.github.io/2019/05/27/%E8%AF%AD%E4%B9%89%E5%88%86%E5%89%B2%E5%AD%A6%E4%B9%A0%E4%B9%8B%E8%B7%AF/转载 2020-11-30 22:00:31 · 1287 阅读 · 1 评论 -
语义分割入门之路_1,理论部分_1吴恩达的深度学习课程
语义分割入门之路_1,理论部分一,第一门课 神经网络和深度学习(Neural Networks and Deep Learning)1,第一周:深度学习引言(Introduction to Deep Learning)1.1 欢迎(Welcome)deeplearning.ai(吴恩达老师的深度学习课程笔记及资源)整理的电子版文档:http://www.ai-start.com/dl2017/一,第一门课 神经网络和深度学习(Neural Networks and Deep Learning)1转载 2020-12-07 10:15:57 · 651 阅读 · 1 评论 -
AI有识境
AI有识境一 如何掌握好图像分类算法1 简介2 经典分类模型的发展简史LeNetImageNet数据集AlexNetGoogLeNet和VGGNetResNetDenseNetSeNet3 如何完成一个图像分类任务3.1 构建流程化处理模式3.2 进一步提高分类任务的质量4 分类损失函数5 图像分类的不同研究方向5.1 多类别图像分类5.2 细粒度图像分类5.3 无监督/半监督图像分类5.4 多标签图像分类5.5 零样本图像分类6 如何解决类别不平衡7 如何解决样本量过少的问题8 图像分类的相关转载 2021-05-24 19:44:46 · 143 阅读 · 1 评论 -
给新手的12大深度学习开源框架快速入门项目
给新手的12大深度学习开源框架快速入门项目1 概述1.1开源框架总览1.2 如何学习开源框架2 开源框架2.1 Caffe2.2 Tensorflow2.3 Pytorch来源:https://mp.weixin.qq.com/s?__biz=MzA3NDIyMjM1NA==&mid=2649032257&idx=1&sn=4b34be53841f6d4ecbec5056fb48880c&chksm=8712b83cb065312a6e0730d277ecd67ed9679原创 2021-05-25 10:57:03 · 246 阅读 · 1 评论 -
理解3d卷积conv3d
无论是conv3d还是conv2d,不同的通道都表示不同的特征,都是独立于卷积核的构建的,也不会是卷积的方向;卷积都是分别在不同通道上进行的,最后将所有通道的卷积结果相加.通道数即为卷积核的个数.原创 2022-12-14 23:18:41 · 1969 阅读 · 0 评论 -
3DCNN用于土地覆被分类以及earthpy用于处理遥感影像数据
3DCNN用于土地覆被分类以及earthpy用于处理遥感影像数据示例:https://zhuanlan.zhihu.com/p/356504779其中的数据:https://github.com/syamkakarla98/Satellite_Imagery_Analysis/tree/main/Data/sundarbans_data转载 2022-05-16 20:43:15 · 341 阅读 · 0 评论 -
深层学习为何要“Deep”
深层学习为何要“Deep”中文链接:https://www.jiqizhixin.com/articles/2018-07-03-8https://www.jiqizhixin.com/articles/2018-08-13-9英文原文:http://colah.github.io/posts/2014-03-NN-Manifolds-Topology/原创 2022-01-05 17:02:41 · 335 阅读 · 0 评论 -
图像的down-samplig 和up-sampling
这里写目录标题参考:https://www.cnblogs.com/jngwl/articles/image_sampling.html转载 2021-06-23 13:59:47 · 1063 阅读 · 0 评论 -
深度学习基础-卷积、池化、转置卷积、空洞卷积辨析
深度学习基础-卷积、池化、转置卷积、空洞卷积辨析转载自:https://zhuanlan.zhihu.com/p/52905113写的很详细,很清楚,因而转载过来转载 2021-06-23 09:54:21 · 121 阅读 · 0 评论 -
深度学习入门的建议_来自《简单粗暴Tensorflow2》
参考资料与推荐阅读一.如果你是一名在校大学生,具有较好的数学基础,可以从以下教材入手,作为学习机器学习的起点:二.如果你希望更具实践性的内容,推荐以下书籍:三.如果你对大学的知识已经生疏,或者还是高中生,推荐首先阅读以下教材:四.对于贝叶斯的视角,推荐以下入门书籍:五.如果你喜欢相对生动的视频讲解,可以参考以下公开课程:六.相对的,一本不够适合的教材则可能会毁掉初学者的热情。对于缺乏基础的初学者,不 推荐以下书籍:一.如果你是一名在校大学生,具有较好的数学基础,可以从以下教材入手,作为学习机器学习的起点:转载 2020-11-16 12:50:31 · 586 阅读 · 0 评论 -
图像的上采样(upsampling)与下采样(subsampled)
图像的上采样(upsampling)与下采样(subsampled)缩小图像放大图像下采样原理上采样原理常用插值方法1,最邻近元法2,双线性内插法3,三次内插法插值方法总结1,距离倒数乘方法2,克里金法3,最小曲率法4,多元回归法5,径向基本函数法6,谢别德法7,三角网/线形插值法8,自然邻点插值法9,最近邻点插值法缩小图像或称为下采样subsampled或降采样downsampled,主要目的有两个:1、使得图像符合显示区域的大小;2、生成对应图像的缩略图。放大图像或称为上采样upsampling转载 2020-11-07 20:09:37 · 2777 阅读 · 0 评论 -
深度学习-1深度学习总体介绍与神经网络入门
深度学习总体介绍与神经网络入门一. 深度学习1.深度学习发展2.基本概念3.应用特点一. 深度学习1.深度学习发展深度学习的出现传统机器学习和深度学习传统机器学习的数据预处理和深度学习是相通的,包括深度学习想扩大自己的训练数据集,做label,归一化,做降维,去取得更好的feature。包括clean data清洗数据集,去噪,都很类似。传统机器学习和深度学习的主要区别在“特征提取”。传统机器学习:传统的任务包括图像处理,自然语言处理,特征很多时候是根据具体的任务类型由研究人员手工设计的原创 2020-05-22 09:22:07 · 793 阅读 · 0 评论 -
深度学习-1深度学习总体介绍
深度学习总体介绍一.深度学习:传统到现在1.传统机器学习和深度学习的对比2.深度学习传统到现在解决问题流程的变化2.深度学习发展的推动因素3.深度学习未来进展二.深度学习:应用特点三.深度学习框架比较四.TensorFlow介绍1.工作方式四.问题解答学习经验:看paper,练习网上的focus,demo,按照自己的方向去实现不同的例子学习书:https://github.com/exac...原创 2020-05-19 09:50:17 · 834 阅读 · 0 评论