深度学习
文章平均质量分 78
开心码农小王。
这个作者很懒,什么都没留下…
展开
-
OpenCV使用cv2.imshow()报错的解决办法
报错内容:The function is not implemented. Rebuild the library with Windows,GTK+ 2.x or Cocoa support.版本出错应该是不太可能的,于是我试着安装一下OpenCV的拓展开发包也就是.opencv-contrib没想到,折腾好久的问题,最后一行命令解决问题了pip install --user opencv-contrib-python -i https://pypi.tuna.tsinghua.ed原创 2022-04-17 17:03:11 · 13990 阅读 · 2 评论 -
ResNet
ResNet学习目标知道ResNet网络结构的特点能够利用ResNet完成图像分类网络越深,获取的信息就越多,特征也越丰富。但是在实践中,随着网络的加深,优化效果反而越差,测试数据和训练数据的准确率反而降低了。针对这一问题,何恺明等人提出了残差网络(ResNet)在2015年的ImageNet图像识别挑战赛夺魁,并深刻影响了后来的深度神经网络的设计。1 残差块¶假设 F(x) 代表某个只包含有两层的映射函数, x 是输入, F(x)是输出。假设他们具有相同的维度。在训练的过程中我们希望能原创 2021-12-17 17:30:29 · 1460 阅读 · 0 评论 -
GoogLeNet
GoogLeNet学习目标知道GoogLeNet网络结构的特点能够利用GoogLeNet完成图像分类GoogLeNet的名字不是GoogleNet,而是GoogLeNet,这是为了致敬LeNet。GoogLeNet和AlexNet/VGGNet这类依靠加深网络结构的深度的思想不完全一样。GoogLeNet在加深度的同时做了结构上的创新,引入了一个叫做Inception的结构来代替之前的卷积加激活的经典组件。GoogLeNet在ImageNet分类比赛上的Top-5错误率降低到了6.7%。1.原创 2021-12-17 17:17:03 · 330 阅读 · 0 评论 -
VGG网络架构
VGG学习目标知道VGG网络结构的特点能够利用VGG完成图像分类2014年,牛津大学计算机视觉组(Visual Geometry Group)和Google DeepMind公司的研究员一起研发出了新的深度卷积神经网络:VGGNet,并取得了ILSVRC2014比赛分类项目的第二名,主要贡献是使用很小的卷积核(3×3)构建卷积神经网络结构,能够取得较好的识别精度,常用来提取图像特征的VGG-16和VGG-19。1.VGG的网络架构VGG可以看成是加深版的AlexNet,整个网络由卷积层和全连原创 2021-12-17 10:32:42 · 3055 阅读 · 0 评论 -
AlexNet
AlexNet学习目标知道AlexNet网络结构能够利用AlexNet完成图像分类1.AlexNet的网络架构¶AlexNet与LeNet的设计理念非常相似,但也有显著的区别,其网络架构如下图所示:该网络的特点是:AlexNet包含8层变换,有5层卷积和2层全连接隐藏层,以及1个全连接输出层AlexNet第一层中的卷积核形状是11×11。第二层中的卷积核形状减小到5×5,之后全采用3×3。所有的池化层窗口大小为3×3、步幅为2的最大池化。AlexNet将sigmoid激活函数改成原创 2021-12-17 10:00:01 · 940 阅读 · 0 评论