- 博客(4)
- 收藏
- 关注
RSS订阅原创 神经网络与深度学习 总结4
网络结构分为全卷积部分和反卷积部分——全卷积部分借用了一些经典的CNN网络，并把最后的全连接层换成卷积，用于提取特征，形成热点图;FCN中第6、7、8层都是通过1 × 1卷积得到的，第6层的输出是4096 × 7 × 7， 第7层的输出是4096 × 7 × 7 ，第8层的输出是1000 × 7 × 7,即1000个大小是。1.YOLO先使用ImageNet数据集对前20层卷积网络进行预训练，然后使用完整的网络，在PASCAL VOC数据集上进行对象识别和定位的训练和预测；4.2非极大值抑制（NMS）
2023-04-16 14:32:19
51
1
原创 神经网络与深度学习 总结3
经过64个卷积核的两次卷积后，采用一次pooling，第二次经过两次128个卷积核卷积后，再采用pooling，再重复两次三个512个卷积核卷积后，再pooling，最后经过三次全连接。基本的滑动窗口: 采用滑动窗口的目标检测算法思路非常简单，它将的基本原理就是采用不同大小和比例 (宽高比) 的窗口在整张图片上以设定的步长进行滑动，遍历图片的所有位置, 然后对这些窗口对应的区域做图像分类，这样就可以实现对整张图片的检测了。其中前20个卷积层用来做预训练，后面4个是随机初始化的卷积层，和2个全连接层。
2023-04-02 14:50:13
79
原创 神经网络与深度学习 总结2
网络结构：见图，u、y是网络的输入、输出向量，神经元用节点表示，网络由输入层、隐层和输出层节点组成，隐层可一层，也可多层(图中是单隐层)，前层至后层节点通过权联接。定理2：若隐层节点(单元)可任意设置，用三层S型非线性特性节点的网络，可以一致逼近紧集上的连续函数或按范数逼近紧集上的平方可积函数。定义：多层前馈网络的反向传播 (BP)学习算法，简称BP算法，是有导 师的学习，它是梯度下降法在多层前馈网中的应用。1.正向传播是输入信号从输入层经隐层，传向输出层，若输出层得到了期望的输出，则学习算法结束；
2023-03-26 22:32:42
91
原创 神经网络与深度学习 总结1
训练数据的条目数(#training set)：一条训练数据是由一对输入数据和输出数据组成的， 输入数据的维度n(特征的个数，#features).训练集(training set)或者训练数据(training data)：是我们流程中的输入数据， 一般称为x；定义： 利用数理统计中回归分析， 来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。拟合的函数（ 或者称为假设或者模型）：一般写做 y = ℎ(x)；输出： 二分类问题， 则为0和1， 或者是属于某类的概率， 即0-1之间的数。
2023-03-19 19:27:50
84
2
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