神经网络
文章平均质量分 95
Belouga-
拂彼白石,弹吾素琴。幽涧愀兮流水深,善手明徽高张清。
展开
-
激活函数,损失函数以及学习率
学习记录(一)激活函数1. 什么是激活函数2. 常用的激活函数2.1 sigmoid函数2.2 tanh函数2.3 ReLU函数2.4 Leaky ReLU函数3. 为什么要用非线性激活函数?(二)损失函数1. 损失函数、代价函数与目标函数2. 常用的损失函数3. 常用的代价函数(三)学习率1. 什么是学习率(Learning rate)?2. 学习率的调整2.1 离散下降(discrete staircase)2.2 指数减缓(exponential decay)(一)激活函数1. 什么是激活函数在原创 2020-12-31 13:13:28 · 2062 阅读 · 0 评论 -
CornerNet 论文入门学习笔记
论文名称:CornerNet: Detecting Objects as Paired Keypoints论文链接: CornerNet(一) Overview(二) CornerNet2.1 Hourglass Network2.2 角点的检测2.3 角点组合(embedings)2.4 Offsets2.5 Corner Pooling(三)Loss function简介这篇文章是ECCV2018的一篇目标检测论文,该论文的创新之处在于使用Keypoints代替原来的anchor思想进行目标检测原创 2020-10-17 18:46:49 · 350 阅读 · 0 评论 -
YOLO v3 论文入门学习笔记
YOLO v3 (一)网络结构(二)Darknet -53(三)输入与输出(四)多尺度检测(五) Anchors ,Bounding Box Prediction5.1 使用Kmeans聚类的方法来决定anchors的尺寸大小5.2 Bounding Box Prediction(六)Loss functionYOLO3主要的改进有:调整了网络结构;利用多尺度特征进行对象检测;对象分类用Logistic取代了softmax(一)网络结构(图1 ,引用自大神)DBL: 代码中的Darknetco原创 2020-10-17 11:05:13 · 440 阅读 · 0 评论 -
Faster RCNN 论文入门学习笔记
Faster RCNN(一) 整体框架(二) 网络结构2.1 Conv layers2.2 RPN(Region Proposal Networks):2.2.1 Anchors的生成规则2.3 RPN工作原理解析2.4 proposal2.5 roi_data(三) ROI Pooling(四) Classifier(一) 整体框架整体介绍图中各层主要的功能Conv layers提取特征图:作为一种CNN网络目标检测方法,Faster RCNN首先使用一组基础的conv+relu+pooli原创 2020-10-16 21:28:18 · 320 阅读 · 0 评论 -
吴恩达机器学习:神经网络学习和作业
(一)神经网络模型理解1.1 模型这是一个三层神经网络,第一层为输入层,第二层为隐藏层,第三层为输出层。简单模型:线性回归模型逻辑回归模型优点是容易理解、可解释性较强,但是为了达到相对好的预测效果,可对原始特征进一步抽象,增加更多的特征项来弥补模型在处理非线性问题上的缺陷。LR是一种广义的线性模型,为了提高LR对非线性问题的处理能力,要引入多项式特征,为了充分考虑特征关联,通常也会执行特征之间交叉组合。若仅考虑二次项,也就是只考虑特征两两组合,这样也会得到接近5000个组合特征,若再考虑原创 2020-09-20 16:10:33 · 1808 阅读 · 0 评论