深度学习
文章平均质量分 70
指针阿飞
这个作者很懒,什么都没留下…
展开
-
【计算机视觉与深度学习 北京邮电大学 鲁鹏 视频笔记】4. 图像分割&目标检测
计算机视觉识别任务1. 语义分割语义分割思路1)滑动窗口但是这种方法效率太低了,重叠区域反复被计算2)全卷积但是,如果处理过程中保持原始分辨率,对于显存的需求会非常庞大…解决方案上采样?第二种方法还原的位置可能不对,引入index pooling方法,如下可学习的上采样:转置卷积例子左边下采样,右边上采样2. 目标检测1)单目标(分类+定位)2) 目标检测:多目标CNN利用滑动窗口对图像中所有可能的区域进行分类,计算量巨大!!后来改进,用区域建原创 2021-10-22 15:22:19 · 301 阅读 · 0 评论 -
【计算机视觉与深度学习 北京邮电大学 鲁鹏 视频笔记】3.卷积神经网络&经典网络分析
1. 卷积神经网络全连接神经网络的瓶颈图越大,参数越多,计算复杂,容易过拟合。卷积神经网络的主要层1.1 卷积网络中的卷积核1.1.1卷积核卷积神经网络中的卷积操作在多加几个卷积核卷积核的步长(stride)由此可见卷积后图像变小,所以要边界填充特征响应图组尺寸计算1.1.2 池化操作1.减少运算量2.增大感受野3.非极大抑制池化操作是对每一个特征响应图独立进行对应特征响应图某个区域进行池化就是在改区域上指定一个值来代表整个区域(有点类似.原创 2021-10-21 16:02:17 · 1258 阅读 · 0 评论 -
【计算机视觉与深度学习 北京邮电大学 鲁鹏 视频笔记】2. 全连接神经网络
本章思维导图1. 图像表示2. 分类模型由线性分类器引入而全连接神经网络级联多个变换来实现输入到输出的映射与线性分类器的区别在于多了一个非线性操作即max,这是一个激活函数,这个激活函数不能去掉。2.1 全连接神经网络的权值2.2 全连接神经网络与线性不可分2.3 全连接神经网络的绘制与命名3. 激活函数3.1 常用的激活函数Sigmoid将输出的结果压缩到0和1之间,3.2. 网络结构设计3.3. 全连接神经网络小结4. 损失函数先介绍激活函原创 2021-08-24 16:23:09 · 952 阅读 · 0 评论 -
【计算机视觉与深度学习 北京邮电大学 鲁鹏 视频笔记】1. 线性分类器
视频连接 https://www.bilibili.com/video/BV1V54y1B7K3?p=2&spm_id_from=pageDriver1. 前言1.1 数据驱动的图像分类方法数据集构建分类器设计与学习分类器决策1.2 常用分类任务的指标2. 线分类器2.1 基于图像的表示2.1.1 图像类型二进制图像非黑即白,0表示黑,1表示白灰度图像每一个像素点由(0-255)表示,0是最黑,255是最白彩色图像RGB三个通道每种颜色0-2原创 2021-07-27 11:54:00 · 527 阅读 · 0 评论