- 博客(4)
- 收藏
- 关注
RSS订阅原创 神经网络与深度学习课程总结(三)
每个 bb 有 5 个分量，分别是物体的中心位置 (𝑥,𝑦)和它的高(ℎ)和宽 (𝑤)，以及这次预测的置信度。其中𝑁代表测试集中所有图片的个数， 𝑃(𝑘)表示在能识别出𝑘个图片的时候Precision的值， 而 Δ𝑟(𝑘)则表示识别图片个数从𝑘 - 1变化到𝑘时（通过调整阈值） Recall值的变化情况。物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图片的任何地方，并且物体还可以是多个类别。TP: 被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数。对应7×7个cell;
2024-04-24 12:36:58
339
原创 神经网络与深度学习课程总结(二)
同样可以当作使用120 个大小为5 × 5 的卷积核对输入的特征图进行卷积操作（没有进行Padding 操作），这样C5 层的输出120 个特征图大小变为5-5 + 1 = 1。C3 层（卷积层）：使用16 个大小为5 × 5 的卷积核对输入的特征图进行卷积操作。输出层：该层与F6 层全连接，输出长度为10，代表所抽取的特征属于哪个类别。C1 层（ 卷积层）：使用6 个大小为5 × 5 的卷积核对输入图像进行卷积操作，卷积后得到的特征图尺寸为28 ，因此产生6 个大小为28 × 28 的特征图。
2024-04-15 11:59:58
565
原创 神经网络与深度学习课程总结(一)
由于神经网络的模拟对象是人的大脑，那么在讨论具体的模型之前，我们有必要先从生物学的角度来看看人的大脑有哪些特性。根据生物学的研究，人脑的计算单元是神经元（neuron）。它能根据环境变化做出反应，再将信息给其他的神经元。在人脑中，大约有860亿个神经元，它们相互联结构成了极其复杂的神经系统，而后者正是人类智慧的物质基础。因此遵循人脑的生物结构，我们首先需要搭建模型来模拟人的神经元。
2024-04-01 11:13:56
695
1
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