![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习自学
文章平均质量分 67
梦醒时分丶
这个作者很懒,什么都没留下…
展开
-
深度学习 CNN FCN segnet简单比较
CNN:图像级 将特征图映射成一个固定长度的特征向量。 多层结构自动学习,浅层感知域小,只能学习局部,较深卷积层有较大感知,能学习抽象 抽象特征对大小,方向,位置等敏感度低FCN:像素级 可接受任意尺度的输入,用反卷积对最后一个卷积层feture map采样,恢复到输入图像相同尺寸,对每一个像素都产生预测,保留原始空间信息,对特征图进行逐像素的分类。...原创 2018-10-29 12:01:12 · 3987 阅读 · 0 评论 -
深度学习笔记 -- CNN
硕士的方向主要是深度学习,完了吴恩达老师的深度学习的课程以后,感觉还应该对最近的学习做一个总结。1、算法思想:卷积神经网络可以看做前馈网络的特例,主要在网络结构上对前馈网络进行简化和改进,而利用反向传播算法,更多的是用来对卷积神经网络进行训练。2、CNN结构:CNN是一种前馈性的网络,每个卷积层是由一个或多个二维的平面组成的,每个平面有多个神经元。由输入层、卷积层、池化层、全连接层、输出层...原创 2018-10-30 14:25:39 · 358 阅读 · 0 评论 -
深度学习笔记 -- FCN
前一段时间对CNN做了一个总结,感觉自己对CNN的认识清晰了点,自己做的项目初步计划使用FCN,所以对FCN做一份总结。论文下载地址:FullyConvolutional Networks forSemantic SegmentationFCN叫全卷积网络,顾名思义,就是把CNN网络卷积层以后的全连接层替换为卷积层,产生一个特征图,而不是像CNN网络最后产生的是一个固定长度的特征向量,所以...原创 2018-11-02 10:24:44 · 1019 阅读 · 0 评论 -
深度学习笔记 -- RNN(一)
1、RNN介绍在CNN和DNN中,训练样本的输入和输出是比较确定的,但是在比如基于时间的序列中,序列的长短是不一定的,很难直接拆分成一个个独立的样本来通过CNN或者DNN进行训练。对于这类问题,RNN则比较擅长。比如是从序列索引1到序列索引r的。对于这其中的任意序列的索引号t,它对应的输入是对应的样本序列中的。而模型在序列索引号t的位置的隐藏状态,则由和在t-1位置的隐藏状态共同决定。在任...原创 2018-11-12 17:07:48 · 678 阅读 · 0 评论 -
深度学习--SegNet总结
SegNet复现详解(全英文):http://mi.eng.cam.ac.uk/projects/segnet/tutorial.html代码实现:GitHub:https://github.com/alexgkendall/caffe-segnet论文:《SegNet: A Deep Convolutional Encoder-Decoder Architecture for Robus...原创 2019-03-05 14:56:16 · 2585 阅读 · 0 评论