Halcon深度学习_一句话解释术语

 

1. deep learning  深度学习。在HALCON中，我们使用术语deep learning来表示使用具有多个隐藏层的神经网络的方法。

2. Convolutional Neural Networks (CNNs)  卷积神经网络 。带有卷积层的神经网络。

3. dataset 数据集。数据集是指用于训练的完整数据集。数据集被分为三个子集（如果可能的话是不相交的）：training validation and test set。

4. training set 训练集训练集包含算法直接优化网络的数据。

5. validationset  验证集 验证集包含用于在训练期间评估网络性能的数据。

6. test set  测试集 测试集用于测试可能的推断（预测），从而在不影响网络优化的情况下测试数据的性能。

7. hyperparameter  超参数 。无法从训练中学习到，需要开始训练前手动设置的参数，称为超参数。

8. epoch 对整个训练数据的完整迭代称为。

9. feature map 特征图。 卷积层的输出。

10. loss function 损失函数。 损失函数比较来自网络的预测与给定的信息，以使损失函数最小化的方式调整滤波器的权值。

11. transfer learning 迁移学习。利用一个已经训练好的网络，利用其较低层次已经相当合适的过滤权重去训练新的网络，来以适应特定的任务。

12. underfitting 欠拟合。 学习到的特征数量不够，会导致误识别。

13. overfitting 过拟合。 学习到的独特特征过多，会导致漏识别。

14. weights 权重。每个特征在特征组中的比重。

15. momentum 动量。取值在 [ 0，1 ），用来影响损失函数参数的调整幅度。

16. learning rate 学习速率。当我们要优化一个函数时，梯度告诉我们优化的方向，学习率决定我们沿着这个方向走多远。可以理解为调整权重的步长。

17. batch size  批大小。一次送入网络处理的图像数量

18. confidence  置信度。在HALCON中，置信度是在[0,1]范围内给出的概率，是对实例预测结果和训练结果的相似度。