deeplearning.ai 吴恩达网上课程学习（十六）——卷积神经网络之目标检测

第 9 课：如何实现目标检测

吴恩达首先解释了如何进行图像关键点检测。基本上，这些关键点距离训练输出的范例很远。通过一些巧妙的卷积操作，你会得到一些输出量，其中显示目标在特定区域的概率以及目标的位置。他还解释了如何使用交并比（Intersection-over-Union，IoU）公式评估目标检测算法的有效性。最后，吴恩达将所有这些内容整合在一起，介绍了著名的 YOLO 算法。

参考链接：http://www.cnblogs.com/marsggbo/p/8305865.html

第 10 课：如何实现人脸识别

人脸识别是 one-shot 学习问题，通常，你只有一张图像来识别这个人。解决的办法是学习一个相似性函数，给出两个图像之间的差异程度。所以，如果图像是同一个人，函数的输出值较小，而不同的人则相反。
吴恩达给出的第一个解决方案叫作 siamese 网络。该方法将两个人的图像输入到同一个网络中，然后比较它们的输出。如果输出类似，则是同一个人。该神经网络的训练目标是：如果输入图像是同一个人的，则编码距离相对较小。
他给出的第二个解决方法是三重损失法（triplet loss method）。这个想法的核心在于图片的三个维度（Anchor（A）、Positive（P）和 Negative（N））在训练过后，A 和 P 的输出距离大大小于 A 和 N 的输出距离。

http://www.cnblogs.com/marsggbo/p/8447559.html

第 11 课：如何使用神经风格迁移创造艺术品

吴恩达在课程中解释了如何结合图像内容和风格生成全新图像

http://www.cnblogs.com/marsggbo/p/8447559.html

参考链接：https://baijia.baidu.com/s?id=1584738954576041362&wfr=pc&fr=app_lst