![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
deep learning
行路南
公众号:CV前沿
展开
-
吴恩达公开课笔记--第3单元第4周内容
4.1 人脸识别 人脸识别通常是指人脸校验和人脸识别。 人脸校验是指输入一张图像和一个人的ID,输出是这个图像是不是这个人。 人脸识别是有一个K个人的数据库,输入一张图像,如果这个图像属于K个人中的一个,输出他的ID。 4.2 One-shot 学习 人脸识别的挑战之一是你需要解决单样本学习问题。 也即是说对于大多数人脸识别的应用,需要在只见过一次照片或一个人的脸部的前提下识别出这个人。 举个例...原创 2020-04-26 23:46:15 · 237 阅读 · 1 评论 -
吴恩达公开课笔记--第3单元第3周内容
目标检测是计算机视觉中急速发展的一个领域,它的效果随着这几年技术的发展也好了很多。 3.1目标定位 为了建立目标检测,我们先学习目标对象的定位。 之前我们已经介绍了图像分类,通过给你一张图像,能够给出图像中物体的类别。比如猫狗识别等。 而目标定位是不仅要识别出物体的类别,同时也负责生成一个物体的边框。 后面还会介绍目标检测,目标检测是需要对一张图像中多个物体全部检测出来并给出对应的类别和边框。 ...原创 2020-04-24 23:34:46 · 300 阅读 · 0 评论 -
吴恩达公开课笔记--第3单元第2周内容
2.1 为什么要进行实例探究 在上一周,我们已经学习了组成神经网络模型的基础构件,如卷积层、池化层、全连接层等内容。本节课主要介绍在计算机视觉领域近些年发展过程中积累的优秀实例,通过实例能够了解学习如何对基础的构件进行组合。从而在以后自己做计算机 视觉相关任务时能够有所启发。 网络总览: 经典的网络模型: LeNet-5 AlexNet VGG 卷积残差网络: ResNet (152层的神经...原创 2020-04-21 08:13:13 · 168 阅读 · 0 评论 -
吴恩达公开课笔记--第3单元第1周内容
1.5 卷积步长 在之前的介绍中,当在一个nn的图像使用ff的过滤器进行卷积时,位于nn的图像中会有(n+2p-f+1)个和ff过滤器相对应的ff的蓝色区域,逐一卷积得到(n+2p-f+1)(n+2p-f+1) 的图像。 这里介绍的是带步长的卷积。也即是蓝色区域不再是相邻,而是间隔一个步长去进行卷积。 注意当分子不能被分母整除时,需要做的是向下取整。因为f*f的过滤器必须完全放在原图像上。 按...原创 2020-04-19 21:23:21 · 220 阅读 · 0 评论