- 博客(4)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 神经网络4
我们有 𝑠^2个框，每个框的bb个数为𝐵，分类器可以识别出𝐶种不同的物体， 那么所有整个ground truth的长度为𝑆 × 𝑆 × (𝐵 × 5 + 𝐶) YOLO v1中，这个数量是30 YOLO v2和以后版本使用了自聚类的anchor box为bb, v2版本为𝐵 = 5, v3中 𝐵 =9。四个关于位置的值，分别是𝑥, 𝑦, ℎ和𝑤，均为整数，实际预测中收敛慢 因此，需要对数据进行归一化，在0-1之间。在上面的例子中，图片被分成了49个框，每个框预测2个bb，因此上面的图中 有98个bb。
2023-04-20 19:57:56
53
1
原创 神经网络3
网络一共有 8 层可学习层—— 5 层卷积层和 3 层全连接层最简单、通用的图像数据变形的方式在每个全连接层后面使用一个 Dropout 层,以概率 p 随机关闭激活函数AlexNet使用两块GTX580显卡进行训练，两块显卡只需要在特定的层进行通信。
2023-04-20 19:09:59
42
1
原创 神经网络2
目录卷积神经网络1 进化史 2 基本概念LeNet-5网络1 网络介绍2 网络结构详解 全连接网络：链接权过多，难算难收敛，同时可 能进入局部极小值，也容易产生过拟合问题。局部连接网络：顾名思义，只有一部分权值连接。 部分输入和权值卷积。填充（Padding）：也就是在矩阵的边界上填充一些值，以 增加矩阵的大小，通常用0或者复制边界像素来进行填充。步长(Stride)： 如图步长为2 多通道卷积： 如RGB 多通道卷积： 如RGB 池化(Pooling)： 使用局部统计特征，如均值或最大值。解决特征过多
2023-04-20 18:42:58
46
1
原创 神经网络1
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。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。由于用BP学习 算法，所以常称BP神经网络优点学习完全自主可逼近任意非线性函数缺点算法非全局收敛收敛速度慢学习速率 α 选择神经网络如何设计(几层？节点数？
2023-03-22 19:22:51
139
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人