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