卷积神经网络
文章平均质量分 91
*
林头头03
德玛西亚从不退缩
展开
-
Coursera吴恩达《卷积神经网络》课程笔记-- 卷积神经网络
卷积神经网络 — 卷积神经网络基础 1. 计算机视觉 计算机视觉(Computer Vision)包含很多不同类别的问题,如图片分类、目标检测、图片风格迁移等等。 对于小尺寸的图片问题,也许我们用深度神经网络的结构可以较为简单的解决一定的问题。但是当应用在大尺寸的图片上,输入规模将变得十分庞大,使用神经网络将会有非常多的参数需要去学习,这个时候神经网络就不再适用。 卷积神经网络在计算机...原创 2018-09-10 21:38:08 · 867 阅读 · 0 评论 -
吴恩达--深度卷积模型
经典的卷积网络 介绍几种经典的卷积神经网络结构,分别是LeNet、AlexNet、VGGNet。 LeNet-5(年代较久远):主要是针对灰度设计的,所以其输入较小,为32×32×1,其结构如下: 在LetNet中,存在的经典模式: 随着网络的深度增加,图像的大小在缩小,与此同时,通道的数量却在增加; 每个卷积层后面接一个池化层。 1.AlexNet: AlexNet直接对彩色...原创 2018-09-21 15:13:33 · 358 阅读 · 0 评论 -
吴恩达 卷积神经网络--目标检测
卷积神经网络 — 目标检测 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: 神经网络输出的是4个分类和4个数字 但如果还想定位图片中汽车的位置该怎么做?让神经网络多输出几个单元作为边界框。 输...原创 2018-09-11 16:18:15 · 791 阅读 · 0 评论 -
卷积神经网络--人脸识别和神经风格迁移
卷积神经网络 — 特殊应用:人脸识别和神经风格迁移 人脸识别 人脸验证(Verification): 1. Input:图片、名字/ID; 2.Output:输入的图片是否是对应的人。 3.1 to 1 问题。 对于大多数的人脸识别系统都存在的一个问题就是one shot learning。 什么是one shot learning: 对于一个人脸识别系统,我们需要...原创 2018-09-25 11:18:33 · 1098 阅读 · 0 评论 -
吴恩达序列模型学习笔记--循环神经网络(RNN)
1. 序列模型的应用 序列模型能解决哪些激动人心的问题呢? 语音识别:将输入的语音信号直接输出相应的语音文本信息。无论是语音信号还是文本信息均是序列数据。 音乐生成:生成音乐乐谱。只有输出的音乐乐谱是序列数据,输入可以是空或者一个整数。 情感分类:将输入的评论句子转换为相应的等级或评分。输入是一个序列,输出则是一个单独的类别。 DNA序列分析:找到输入的DNA序列的蛋白质表达的子序列。 ...原创 2018-09-25 11:28:54 · 2163 阅读 · 0 评论