2018年01月_loveliuzz

原创深度学习——卷积神经网络的应用——目标检测

一、理论部分介绍1. 目标定位和特征点检测图片检测问题：分类问题：判断图中是否为汽车；目标定位：判断是否为汽车，并确定具体位置；目标检测：检测不同物体并定位。目标分类和定位：对于目标定位问题，我们卷积神经网络模型结构可能如下：输出：包含图片中存在的对象及定位框行人，0 or 1；汽车，0 or

2018-01-29 18:08:50 27469 3

原创深度学习——循环神经网络/递归神经网络（RNN）及其改进的长短时记忆网络（LSTM）

一、循环神经网络简介二、循环神经网络的结构三、循环神经网络的前向传播与反向传播（一）RNN前向传播前向传播总结：（二）RNN反向传播（三）RNN网络的缺点四、长短时记忆——LSTM结构（一）LSTM结构的引入在RNN模型里，每个序列索引位置t都有一个隐藏状态h...

2018-01-26 22:33:41 33681 13

原创深度学习卷积神经网络——经典网络GoogLeNet(Inception V3)网络的搭建与实现

一、Inception网络（google公司）——GoogLeNet网络的综述获得高质量模型最保险的做法就是增加模型的深度（层数）或者是其宽度（层核或者神经元数），但是这里一般设计思路的情况下会出现如下的缺陷：1.参数太多，若训练数据集有限，容易过拟合；2.网络越大计算复杂度越大，难以应用；3.网络越深，梯度越往后穿越容易消失，难以优化模型。解决上述两个缺点的根本

2018-01-23 21:30:10 89695 25

原创深度学习卷积神经网络——经典网络VGG-16网络的搭建与实现

一、VGG-16网络框架介绍VGGNet是牛津大学计算机视觉组（Visual Geometry Group）和Google DeepMind公司的研究员一起研发的深度卷积神经网络。VGGNet探索了卷积神经网络的深度与其性能之间的关系，通过反复堆叠3*3的小型卷积核和2*2的最大池化层，VGGNet成功地构筑了16~19层深的卷积神经网络。VGGNet相比之前state-of-

2018-01-23 11:12:41 47237 9

原创深度学习卷积神经网络——经典网络LeNet-5、AlexNet、ZFNet网络的搭建与实现

一、CNN卷积神经网络的经典网络综述下面图片参照博客：http://blog.csdn.net/cyh_24/article/details/51440344二、LeNet-5网络输入尺寸：32*32卷积层：2个降采样层(池化层)：2个全连接层：2个输出层：1个。10个类别（数字0-9的概率） LeNet-5网络是针对灰度图进行训练的，输

2018-01-23 08:50:48 22718 6

原创深度学习——残差神经网络ResNet在分别在Keras和tensorflow框架下的应用案例

一、残差神经网络——ResNet的综述深度学习网络的深度对最后的分类和识别的效果有着很大的影响，所以正常想法就是能把网络设计的越深越好，但是事实上却不是这样，常规的网络的堆叠（plain network）在网络很深的时候，效果却越来越差了。其中原因之一即是网络越深，梯度消失的现象就越来越明显，网络的训练效果也不会很好。但是现在浅层的网络（shallower network）又

2018-01-21 22:51:56 44081 13

原创深度学习——卷积神经网络在tensorflow框架下的应用案例

一、简单的卷积神经网络的小应用tensorflow框架下构建训练一个简单的3层卷积神经网络实现分类问题（一）数据集介绍——SIGNS Datasets教电脑破译手语，在白色的墙壁前拍照，得到以下数据集。现在的任务是建立一个算法，使有语音障碍的人与不懂手语的人交流。训练集：1080张图片，每张图片大小为：64*64*3，表示数字0至5，每个数字的图片为180张

2018-01-20 22:33:52 9525 3

原创深度学习——卷积神经网络的经典网络（LeNet-5、AlexNet、ZFNet、VGG-16、GoogLeNet、ResNet）

一、CNN卷积神经网络的经典网络综述下面图片参照博客：http://blog.csdn.net/cyh_24/article/details/51440344二、LeNet-5网络输入尺寸：32*32卷积层：2个降采样层(池化层)：2个全连接层：2个输出层：1个。10个类别（数字0-9的概率） LeNet-5网络是针对灰度图进行训练的，输入图像大小为32*32*1，不包含输入层的情况下共有7层

2018-01-17 22:33:39 20904 4

原创深度学习——卷积神经网络 (Convolutional Neural Networks / CNN)

一、卷积神经网络的概述1、卷积神经网络与普通神经网络非常相似，它们都由具有可学习的权重w和偏置常量(biases)的神经元组成。每个神经元都接收一些输入，并做一些点积计算，输出是每个分类的分数，普通神经网络里的一些计算技巧到这里依旧适用。普通神经网络把输入层和隐含层进行“全连接(Full Connected)“的设计。从计算的角度来讲，相对较小的图像从整幅图像中计算特征

2018-01-15 11:11:59 9686

原创深度学习——利用学习框架TensorFlow搭建深层神经网络DNN

一、TensorFlow搭建深层神经网络DNN框架1、初始化变量2、构建session会话3、训练算法4、实现神经网络框架不仅可以缩短编码时间，而且有时还可以实现加速代码的优化。文件tf_utils.py的代码，在主文件中需要导入相应的包：#!/usr/bin/env python# -*- coding:utf-8 -*-# Author:Zhengzheng

2018-01-13 20:07:15 14825 1

原创 DNN案例——一步步构建深层神经网络

一、总体目标与大致结构构建一个深层神经网络，该深层神经网络拥有任意想要的多个层。（1）采用像ReLU这样的非线性单元来增强模型。（2）构建一个通用的多于一个隐藏层的深层神经网络。（3）利用构建的深层神经网络进行图片的分类。注意：二、应用的包import1、numpy是Python的科学计算的基础包。2、h5py 是一种常见的封装和数据集存储在H5交互文件。p

2018-01-12 16:16:01 6853

原创机器学习项目（一）——垃圾邮件的过滤技术

一、垃圾邮件过滤技术项目需求与设计方案二、数据的内容分析（1、是否为垃圾邮件的标签，spam——是垃圾邮件；ham——不是垃圾邮件）（2、邮件的内容分析——主要包含：发件人、收件人、发件时间以及邮件的内容）三、需求分析、模型选择与架构四、数据清洗（一）·代码中应用的知识点（1）字典的get(

2018-01-09 19:55:14 37600 36

原创神经网络——反向传播BP算法应用案例

案例应用（一）——20个样本的两层（单隐藏层）神经网络知识点：1、tolist()链接：http://blog.csdn.net/akagi_/article/details/763829182、axis=0：第0轴表示沿着行垂直向下（列） axis=1：第1轴表示沿着列的水平方向延伸（行）3、数据标准化（Normalization）的三种方法：

2018-01-06 12:14:31 3029

原创深度学习——概述及反向传播BP算法

O、机器学习回顾机器学习可以当做深度学习的分类器，深度学习用于提取特征，将特征向量喂给机器学习算法进行分类与回归。一、神经网络来源——神经元二、浅层神经网络前向传播1、单个样本单隐藏层的神经网络前向传播2、多个样本（训练集）上的单隐藏层的神经网络前向传播三、几种激活函数及

2018-01-02 15:00:44 629

loveliuzz的博客