深度学习
文章平均质量分 87
想想虔诚怎么做
You only live once.
展开
-
Three scenarios for continual learning
Three scenarios for continual learningStandard artificial neural networks suffer from the well-known issue of catastrophic forgetting, making continual or lifelong learning difficult for machine learning.Three Continual Learning ScenariosThese scenarios原创 2021-08-23 17:28:21 · 671 阅读 · 0 评论 -
CS231 Convolutional Neural Networks for Visual Recognition课程笔记
本课程是斯坦福大学CS231 Convolutional Neural Networks for Visual Recognition,由于个人习惯,暂时以pdf形式记录,之后有空会整理成markdown格式,链接如下:课程笔记pdf下载地址原创 2020-06-28 11:19:51 · 6987 阅读 · 0 评论 -
YOLO4 论文总结
Bag of freebies改变培训策略,或者只会增加培训成本的方法,对测试不影响。数据扩充:光度畸变:调整图像的亮度、对比度、色调、饱和度和噪声几何畸变:加入随机缩放、剪切、翻转和反旋转模拟对象遮挡:random erase,CutOut:可以随机选择图像中的矩形区域,并填充一个随机的或互补的零值hide-and-seek、grid mask:随机或均匀地选择图像中的多个矩...原创 2020-05-07 19:49:10 · 7549 阅读 · 0 评论 -
目标检测-YOLOv1
文章目录YOLOv1模型对比基本思路网络设计YOLOv1模型对比YOLO 训练和检测均是在一个单独网络中进行,YOLO没有显示地求取region proposal的过程基本思路论文中设置s为7,一个分为49个grid cell,每个gird cell生成两个Bounding boxes网络设计每个cell会有两个bounding box, 选择IOU最大的作为结果可以看到网络的最后...原创 2020-05-05 21:54:40 · 361 阅读 · 0 评论 -
深度学习模型提升性能的策略
文章目录角度1缺乏可用于训练的数据过拟合欠拟合训练时间长角度2从数据上提升性能从算法上提升性能从算法调优上提升性能从模型融合上提升性能角度1缺乏可用于训练的数据一般来说,数据越多,模型的性能就越好。缺乏数据的问题是,我们的深度学习模型可能无法从数据中学习模式或功能,因此它可能无法在未看到的数据上提供良好的性能。我们可以利用数据增强技术来代替花费数天时间来收集数据。数据增强是在不实际收集...原创 2020-04-28 14:12:45 · 13192 阅读 · 2 评论 -
Semantic Video Segmentation: A Review on Recent Approaches视频语义分割:近年来的研究进展的翻译&思考
文章目录摘要关键字介绍数据集和评估数据集CamVid 数据集NYU-Depth V2 DatasetWild8 DatasetYouTube-Objects DatasetSUNY DatasetVSB100 DatasetSegTrack V2 DatasetCityscapes Dataset评估参数Mean Accuracy per-pixelMean Accuracy per-classM...原创 2020-04-12 20:03:19 · 8784 阅读 · 0 评论 -
计算机视觉-语义分割论文总结
文章目录FCN 2015创新点CNN VS FCNLoss Function网络结构缺点SegNet 2016DetailAdvantage结构CCNet 2018Why优点结构CA模块原理Affinity操作对D进行softmax操作Aggregation 操作RCCA ?本文按照计算机视觉领域语义分割的相关论文的时间顺序排列,如果没有你想看的,直接关掉就好了语义分割的两大核心问题:What...原创 2020-04-08 13:45:16 · 11574 阅读 · 0 评论 -
1X1 卷积核 总结
文章目录Before1X1 卷积核定义1x1卷积核作用降维升维增加非线性跨通道信息交互(channal 的变换)1X1的应用GoogleNet看完这个不许再说自己不会了小笨蛋—不如叫我慢慢Before在介绍卷积神经网络中的1x1卷积之前,首先回顾卷积网络的基本概念。卷积核(convolutional kernel):可以看作对某个局部的加权求和;它是对应局部感知,它的原理是在观察某个物体时...原创 2020-04-07 23:08:09 · 1361 阅读 · 0 评论 -
深度学习面试总结(无序)
文章目录逻辑回归Logistic回归的主要用途常规步骤构造预测函数h构造损失函数J正则化线性回归损失函数线性回归和逻辑回归的比较神经网络中的Epoch、Iteration、Batchsize反向传播深度学习模型中参数量对于全连接网络对于rnn网络对于CNN网络:逻辑回归广义线性模型(generalizedlinear model)如果是连续的,就是多重线性回归;如果是二项分布,就是Logi...原创 2020-04-06 23:23:33 · 821 阅读 · 0 评论 -
卷积层 池化层 反卷积 上池化 扩展卷积 门卷积
文章目录卷积层定义特点池化层特点上采样反卷积/转置卷积卷积层定义首先需要了解图像是个什么东西?通道 常用于表示图像的某种组成。一个标准数字相机拍摄的图像会有三通道 - 红、绿和蓝;你可以把它们看作是互相堆叠在一起的二维矩阵(每一个通道代表一个颜色),每个通道的像素值在 0 到 255 的范围内。灰度图像,仅仅只有一个通道。在本篇文章中,我们仅考虑灰度图像,这样我们就只有一个二维的矩阵来表...原创 2020-04-05 23:13:10 · 10026 阅读 · 0 评论 -
李宏毅深度学习-反向传播
文章目录深度学习三个步骤神经网络模型评估选择最优函数反向传播链式法则损失函数(Loss function)代价函数(Cost function)总体损失函数(Total loss function)深度学习三个步骤Neural Network --> Goodness of function --> Pick the best function神经网络完全连接前馈神经网络概念...原创 2020-03-16 19:57:36 · 451 阅读 · 0 评论 -
递归神经网络
递归神经网络 Recursive Neural Network, RNN循环神经网络时间维度展开处理序列信息递归神经网络空间维度展开处理空间信息训练误差项的传递权重梯度的计算权重更新...原创 2020-01-07 22:01:16 · 163 阅读 · 0 评论 -
循环神经网络和LSTM
MENU循环神经网络定义应用领域模型结构问题LSTM基本概念核心思想循环神经网络定义循环神经网络(Recurrent Neural Network, RNN)是一类以序列(sequence)数据为输入,在序列的演进方向进行递归(recursion)且所有节点(循环单元)按链式连接的递归神经网络(recursive neural network)应用领域RNN的应用领域有很多, 可以说只要...原创 2020-01-06 17:47:23 · 1822 阅读 · 0 评论 -
线性单元和梯度下降 总结
MENU监督学习和无监督学习课程来自于阿里云TIANCHI的AI学习,仅以此博客作为学习总结,下附课程链接:链接: link监督学习和无监督学习常见的监督学习模型线性回归 决策树 SVM 神经网络常见的无监督学习模型K均值 带label信息的量化聚类 高斯混合聚类...原创 2020-01-03 16:10:54 · 236 阅读 · 0 评论