![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
cnn神经网络
文章平均质量分 61
Molength
这个作者很懒,什么都没留下…
展开
-
卷积神经网络学习笔记(一):CNN概况
一、机器如何识别图片机器处理图像的第一步是理解,理解如何表达一张图像,进而读取图片。简单来说,每个图像都是一系列特定排序的图点(像素)。如果你改变像素的顺序或颜色,图像也随之改变。基本上,机器会把图像打碎成像素矩阵,存储每个表示位置像素的颜色码。 关于具体如何理解这个问题,推荐看下“机器视角”的一篇文章。 https://mp.weixin.qq.com/s?__biz=MzA3MzI4Mjg原创 2017-09-06 23:18:54 · 541 阅读 · 0 评论 -
卷积神经网络学习笔记(二):CNN代码实例
TF代码实例原创 2017-09-10 20:38:06 · 798 阅读 · 0 评论 -
ImageNet Classification with Deep Convolutional Neural Networks
说明:一下观点纯属个人学习所得,如果错误欢迎指正 ImageNet Classification with Deep Convolutional Neural Networks 是Hinton和他的学生Alex Krizhevsky在12年ImageNet Challenge使用的模型结构并赢得了2012届的冠军。这样干看也是看不出什么门道的,之前看过目标检测的一些文章,部分是用Alexnet结构原创 2017-10-19 20:46:30 · 515 阅读 · 0 评论 -
VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION
VGG和AlexNet都是很经典的模型。而VGG也是在AlexNet的基础之上进行改进的。AlexNet每层仅仅含有一个Convolution层,filter的大小7x7;VGG每层含有2~4个Conv层,filter的大小是3x3(能感受空间最小的filter)。 个人认为,整个文章相比于AlexNet最大的亮点就是更深的卷积层,以及最小的filter。在本文中,作者讨论了ConvNet架构设计原创 2017-10-29 16:04:50 · 352 阅读 · 0 评论