- 博客(5)
- 收藏
- 关注
原创 神经网络与深度学习课程总结【4】
选择一个预训练的卷积神经网络来抽取图像的特征,其中的模型参数在训练中无须更新,深度卷积神经网络凭借多个层逐级抽取图像的特征,可以选择其中某些层的输出作为内容特征或样式特征,风格迁移中常使用VGG神经网络;向量s表示隐藏层的值,隐藏层的值s不仅取决于当前这次输入的x,还取决于上一次隐藏层的值s,权重矩阵W为隐藏层上一次的值作为这一次的输入的权重。语义分割常用的重要数据集为Pascal VOC2012,语义分割训练数据集中,图片作为训练数据,对应的标号是与训练图片大小相同的图片,即每个像素都有自己的标号。
2023-04-17 08:25:27 120
原创 神经网络与深度学习课程总结【3】
目标检测的基本思想是把检测问题转化为分类问题以及目标方框位置的回归问题,这一思想通过滑动窗口来实现,数据集的输出表达为三维张量,其中包含的信息有方框横坐标、方框纵坐标、方框高、方框款、不同类别的对象对应的概率以及图片中有对象的概率(即置信度)。在卷积神经网络中,卷积层完成了自动地提取图像中特征的工作,通常,第一卷积层进行边缘特征的提取,更深的卷积层进行组合特征提取,通过多层网络实现图像识别、目标检测等功能。而ReLU函数的导数是1,激活函数作为影响梯度减小的一个因素,使用ReLU函数不会导致梯度变小。
2023-04-02 21:35:11 84
原创 神经网络与深度学习课程总结【2】
例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。
2023-03-26 23:05:09 98
原创 神经网络与深度学习课程总结【1】
前馈神经网络主要由大量的神经元以及它们之间的有向连接构成,具有并行分布结构。在多层前馈神经网络中需考虑以下三方面内容。(1)神经元的激活规则:主要是指神经元输入到输出之间的映射关系,一般为非线性函数;(2)网络的拓扑结构:不同神经元之间的连接关系;(3)学习算法:通过训练数据来学习神经网络的参数。
2023-03-19 23:02:35 135 1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人