- 博客(4)
- 收藏
- 关注
RSS订阅原创 神经网络与深度学习4
YOLO网络结构：网络输入：YOLO v1在PASCAL VOC数据集上进行的训练，因此输入图片为 448 × 448 × 3。实际中如为其它尺寸，需要resize或切割成要求尺寸。模型处理：7×7网格划分网络输出：输出是一个7 × 7 × 30的张量。如下图，每个框代表1个预测的bb，粗细代表不同的置信度，越粗得越高。损失函数：算法将目标检测看成回归问题，所以采用的是均方差损失函数。但是对不同的部分采用了不同的权重值。
2023-04-07 17:19:26
36
1
原创 神经网络与深度学习3
目标检测：在给定的图片中精确找到物体所在位置，并标注出物体的类别。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。在Plain VGG的卷积网络之间插入Identity Mapping，注意需要升维或者降维的时候加入 1×1 卷积。浏览一次就可以识别出图中的物体的类别和位置。P(精确率）： TP/（TP+FP）R(召回率）： TP/(TP+FN)。被正确地划分为正例的个数。被错误地划分为正例的个数。被正确地划分为负例的个数。Inception网。
2023-04-02 18:09:07
20
原创 神经网络与深度学习2
它拥有一个全面而灵活的生态系统，其中包含各种工具、库和社区资源，可助力研究人员推动先进机器学习技术的发展，并使开发者能够轻松地构建和部署由机器学习提供支持的应用。每个层有多个Feature Map，每个Feature Map通过一种卷积滤波器提取输入的一种特征，然后每个Feature Map有多个神经元。分别是：INPUT层，C1层（卷积层），S2层（Pooling层），C3层（卷积层），S4层（Pooling层），C5层（卷积层），F6层（全连接层），Output层（全连接层）
2023-03-26 16:53:24
24
原创 神经网络与深度学习1
感知机(Perceptron)是1957年，由Rosenblatt提出，是神经网络和支持向量机的基础。回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为。感知机由两层神经元组成，输入层接收外界输入信号后传递给输出层，输出层是M-P神经元。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为。维度不同：前面的例子中，一个是一维的回归，一个是二维的分类。，对每一个输入样本，调整网络参数，使输出均方误差最小化。
2023-03-19 10:17:41
33
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