qq_52533790的博客

持续更新（Github）： yedupeng/Model at 2022.2.25 (github.com) 内含AlexNet、GoogleNet等从简单到复杂的网络结构。 暂时先不更新文档啦。

目标检测—全卷积实现 文章目录目标检测—全卷积实现一.相关知识点的学习二分类交叉熵：MSE：多分类交叉熵：FCN网络：二.代码实现目标检测 首先照例分享学习资源： 带你逐行手写单目标检测算法，从数据到模型搭建、训练、预测_哔哩哔哩_bilibili 一.相关知识点的学习 二分类交叉熵： ​   其实现的公式： ​   上式中带上标的y表示预测值（0-1之间），是网络的预测结果，y是真实值，因为是二分类，所以y的值只分0和1 MSE： ​   KSE（均方误差）函数一般用来检测模型的预测值和真实值之间

卷积、池化、全连接的基本认识及最简单的手写体识别： 文章目录卷积、池化、全连接的基本认识及最简单的手写体识别：数据输入层：卷积层：池化层：全连接层：最简单的手写体识别: 简单的记录下学习笔记： ​ 卷积神经网络跟普通的神经网络类似，都具有可学习的权重（w）和偏置（b）。每个神经元都可接收一些输入，并做一些运算，输出是每个分类的分数。 卷积神经网络通常包括： 数据输入层： ​ 本层的作用是对图像进行预处理，例如：去均值、归一化、PCA/白化。 ​ 去均值：将图像的中心拉至0点，即将每一张图片的特征都减去