深度学习
人工智能
小火箭丶
求实求真
展开
-
DarkNet53
Darknet53网络结构及代码实现_Tc.小浩的博客-CSDN博客_darknet53讲的不错转载 2022-05-14 21:47:41 · 5078 阅读 · 0 评论 -
TOP1&TOP5 ACC
Top-1准确率和Top-5准确率_a7_aaaaa的博客-CSDN博客_top1准确率转载 2021-12-09 17:12:20 · 7155 阅读 · 0 评论 -
Inception-V3
深度学习之基础模型-Inception-V3_whz1861的博客-CSDN博客转载 2021-10-15 11:22:17 · 121 阅读 · 0 评论 -
ResNet - Conv-block&identity-block的区别
1、basic_block=identity_block2、左conv-block 右 identity-block本质区别就是有没有下采样downsample和通道转换downsample直接利用卷积完成原创 2021-08-26 15:30:21 · 5485 阅读 · 0 评论 -
Dilated Convolution —— 空洞卷积(膨胀卷积)
https://blog.csdn.net/qq_30241709/article/details/88080367转载 2021-08-24 14:49:11 · 138 阅读 · 0 评论 -
MobileNets: Efficient Convolutional Neural Networks for Mobile VisionApplications
深度可分离卷积 conv 3x3 1 就是一个核窗遍历一个通道数据 获得同样大小和深度的图谱 分组进行常规卷积即可实现该功能conv 1x1 N 进行通道转换 常规卷积 1x1xINXOUT1原创 2021-08-17 12:38:23 · 189 阅读 · 0 评论 -
常用深度学习评价指标
常用指标:ACC precison recall f1_score PR AP MAP简介精度Accuracy定义:(TP+TN)/(TP+FN+FP+TN)即所有分类正确的样本占全部样本的比例精度Precision、查准率定义:(TP)/(TP+FP)即预测是正例的结果中,确实是正例的比例召回率Recall、查全率定义:(TP)/(TP+FN)即所有正例的样本中,被找出的比例P-R曲线PRC定义:根据预测结果将预测样本排序,最有可能为正样本的...原创 2021-07-19 11:25:40 · 899 阅读 · 0 评论 -
深度学习-ResNet
ResNet面对梯度下降问题,我们考虑这样一个事实:现在你有一个浅层网络,你想通过向上堆积新层来建立深层网络,一个极端情况是这些增加的层什么也不学习,仅仅复制浅层网络的特征,即这样新层是恒等映射(Identity mapping)。在这种情况下,深层网络应该至少和浅层网络性能一样,也不应该出现退化现象。ResNet 的核心思想是 引入一个恒等快捷连接(identity shortcut connection)的结构,直接跳过一个或多个层:对于一个堆积层结构(几层堆积而成)当输入为 .原创 2021-07-04 10:03:31 · 758 阅读 · 0 评论 -
深度学习-CNN基本原理
基本结构 W和X的计算过程 尺寸计算 权重共享的重要性 公式 下采样 Mean Max原创 2020-07-18 22:50:15 · 269 阅读 · 0 评论 -
深度学习-BP神经网络基本原理
神经网络的本质实质是学习的能力神经网络主要能应用于: classification、retrieval、detection、Segmentation、Image translation、image transfer、等等图像分类是计算机视觉的核心任务、但自然界种各种因素对其分类效果造成了一定挑战如:角度、光照强度、形状改变、遮蔽、相似背景、尺度、部分等等神经网络的常规使用套路:1.收集数据并给定标签2.训练一个分类器3.测试,评估首先从线性分类来看神经网络..原创 2020-07-18 22:40:05 · 492 阅读 · 0 评论 -
深度学习-How to design Conv Network
How to design Conv Network: The first thing to understand is what is the sensory eye first conva pink pixel represents a 3x3 perceived region Second conva pink pixel represents a 5x5 perceived region Three convolutional ...原创 2020-07-18 11:31:11 · 236 阅读 · 0 评论 -
神经网络-VggNet
VGGNet是牛津大学计算机视觉组和Google DeepMind公司的研究员仪器研发的深度卷积神经网络。VGG主要探究了卷积神经网络的深度和其性能之间的关系,通过反复堆叠3*3的小卷积核和2*2的最大池化层,VGGNet成功的搭建了16-19层的深度卷积神经网络。与之前的state-of-the-art的网络结构相比,错误率大幅度下降;同时,VGG的泛化能力非常好,在不同的图片数据集上都有良好的表现。到目前为止,VGG依然经常被用来提取特征图像。VGGNet使用的全部都是3x3的小卷积核和2x2的池化原创 2020-07-18 10:34:07 · 798 阅读 · 0 评论 -
神经网络-Alexnet
AlexNet由Alex Krizhevsky设计,该网络结构在2012年ImageNet竞赛中获得冠军。1. AlexNet网络整体结构image.png2. AlexNet网络中张量(图像)尺寸和参数数量AlexNet网络中总共有5个卷积层和3个全连接层.总共有62,378,344个参数.Layer Name Tensor Size Weights Biases Parameters Input Image 227x227x3 0 0原创 2020-07-18 10:29:13 · 728 阅读 · 0 评论 -
深度学习-KNN原理
K-NN是一种非常简单的算法概述:KNN 算法本身简单有效,它是一种lazy-learning 算法。分类器不需要使用训练集进行训练,训练时间复杂度为0。KNN 分类的计算复杂度和训练集中的文档数目成正比,也就是说,如果训练集中文档总数为n,那么KNN 的分类时间复杂度为O(n)。基本原理基于统计的方法 来进行样本点分类判别对于未知类别属性数据集中的点:1.计算已知类别数据集中的点与当前点的距离2.按照距离依次排序3.选取与当前点距离最小的K个点4..原创 2020-07-18 10:12:28 · 1328 阅读 · 0 评论 -
TensorFlow中padding的实际操作
最近在用tensorflow搭建卷积神经网络,遇到了一个比较棘手的问题,我一直理解的padding有两个值,一个是SAME,一个是VALID,如果padding设置为SAME,则说明输入图片大小和输出图片大小是一致的,如果是VALID则图片经过滤波器后可能会变小。如下图:从程序中可以看出我的输入是5*5*3,过滤器是3*3*3,padding设置的值是SAME,所以我一开始预想的是输出5*5*7(有7个过滤器),可是最后程序运行的结果是3*3*7,和我预想的不一致,原来tensorflow官...转载 2020-07-17 17:43:26 · 249 阅读 · 0 评论 -
机器学习-专项训练
准确率是检索出相关文档数与检索出的文档总数的比率,衡量的是检索系统的查准率召回率是指检索出的相关文档数和文档库中所有的相关文档数的比率,衡量的是检索系统的查全率为了解决准确率和召回率冲突问题,引入了F1分数 位势函数法的积累势函数K(x)的作用相当于Bayes判决中的() 类概率密度与先验概率的乘积 从使用的主要技术上看,可以把分类方法归结为哪几种类型规则归纳方法 贝叶斯分类方法 决策树分类方法基于距离的分类方...原创 2020-07-16 09:46:23 · 1722 阅读 · 0 评论 -
深度学习-对抗神经网络简介
发展简史 五年前,Generative Adversarial Networks(GANs)在深度学习领域掀起了一场革命。这场革命产生了一些重大的技术突破。Ian Goodfellow等人在“Generative Adversarial Networks”中提出了生成对抗网络。学术界和工业界都开始接受并欢迎GAN的到来。GAN的崛起不可避免。 首先,GAN最厉害的地方是它的学习性质是无监督的。GAN也不需要标记数据,这使GAN功能强大,因为数据标记的工作非常枯燥。 其次,GAN的潜在用例使它成..原创 2020-07-16 08:44:31 · 3236 阅读 · 0 评论