结构化机器学习项目:
机器学习(ML)策略:
正交化:
单一数字评估指标:
训练/开发/测试集划分:
开发集和测试集的大小:
使用来自不同分布的数据进行训练和测试:
数据分布不匹配时的偏差与方差的分析:
迁移学习:
多任务学习:
什么是端到端的深度学习:
卷积神经网络:
边缘检测示例:
Padding:
卷积步长:
三维卷积:
单层卷积网络:
简 单 卷 积 网 络 示 例:
池化层:
卷 积 神 经 网 络 示 例:
为什么使用卷积:
深度卷积网络:实例探究
LeNet-5网络:
AlexNet网络:
VGG网络:
残差网络ResNets:
残差网络为什么有用:
网络中的网络以及 1×1 卷积:
谷歌 Inception 网络简介:
迁移学习:
目标检测
目标定位:
特征点检测:
目标检测:
滑动窗口的卷积实现:
YOLO Bounding Box 预测:
出框的标签bh 和 bw 就可能是大于一的数
交并比:
非极大值抑制:
Anchor Boxes:
YOLO 算法:
候选区域:
人脸识别:
One-Shot 学习:
Siamese 网络:
Triplet (三元组)损失:
人 脸 验 证 与 二 分 类:
神经风格迁移:
深度卷积网络学习什么:
代价函数:
内容代价函数:
风格代价函数:
一维到三维推广: