神经网络面试问题 1.bn和dropout 在训练与测试阶段的区别：bn在训练时使用的是batch的数据，在测试时使用的是全量数据集计算均值和方差，bn作用在wx+b之后的步骤，dropout作用在wx+b之前dropout主要是在训练时对输入向量进行1/1-p,保持输入数据的期望不变，测试就可以避免rescal2.反向传播算法：(内容很多，建议看百面机器学习第220页)3...
cnn发展转：https://zhuanlan.zhihu.com/p/68411179 1.LeNet5:5*5卷积核，最大池化2.AlexNet：relu激活函数，dropout和数据增强，LRN,GROUP CONV，重叠池化3.VGG:网络约深越好，3*3卷积核比5的好，LRN没用4.GoogleNet(Inception V1):a.让网络自己选择合适的网络卷积核，减少...
深度网络简单杂记 1*1卷积核的作用：升维降维，增加通道间的信息交互，增加非线性特性，替代全连接层filter:表示卷积核，filter数量也就代表输出的深度.filter 卷积核奇数的原因是使图像两边可以对称padding。二是奇数的f有central pixel可以方便确定positionpadding :‘SAME填充数不固定’.'VALID不填充''FULLMODE:填充数为k-1':GAP:一种替代全连接层的结构，对该层的每个特征图取均值，一个特征图对应一个特征点。特征点组成的特征向量进行softmax
图像增强，边缘检测，图像插值（图像面试） 1.基础图像增强方法1.1直方图均衡化直方图均衡化是通过调整图像的灰阶分布，使得在0~255灰阶上的分布更加均衡，提高了图像的对比度，达到改善图像主观视觉效果的目的。对比度较低的图像适合使用直方图均衡化方法来增强图像细节...
图像降噪方法 1.图像退化函数：h(x,y)表示退化函数，表示加性噪声项。我们假设h是一个同性算子，只处理由噪声引起的退化。白噪声:噪声的傅里叶谱是常量2.噪声分类：a.基于产生原因：外部噪声：系统外部干扰以电磁波或经电源串进系统内部引起的噪声(外部电器设备产生的电磁波干扰，天体脉冲干扰)。内部噪声：系统内部电气设备引起的噪声。b.平稳噪声和非平稳噪声c.基于统计后的概率密度函数：（1）高斯噪声概率密度函数（PDF）如下：（2）瑞利噪声瑞利分别最常见的用于描述平坦衰落信号接收包..
关注
