![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Deep learning
文章平均质量分 70
Andyato0520
尚未佩妥剑,转眼便江湖。
愿历尽千帆,归来仍少年!
展开
-
NIMA --Neural Image Assessment
唠点闲嗑:首先,为什么会读这篇论文呢?是因为我最近在看一部分东西的时候,涉及到了AVA数据集,于是就搜索了下它的背景,然后找到了这篇论文Neural Image Assessment背景“这张图片美吗?”不同的人可能给出的答案是不同的,因为人们对于图像美丑的评判标准是不一样的,那么,如何让计算机来辨别一副图像的美呢,或者说应该制定个怎样的标准来让计算机判断一张图像的美?图像质量与美学的量化...原创 2019-05-20 21:03:32 · 1249 阅读 · 0 评论 -
NASNet
最近在看NASNet,但是NASNet是基于NAS来的,于是还得先看NAS的论文,学习过程中看到几篇好的文章,mark下论文笔记NASNAS综述NAS详解 NASNet论文理解NASNet详解解读NASNetNASNetNASNet学习笔记NASNetNASNet论文笔记...原创 2019-05-15 10:44:20 · 1080 阅读 · 0 评论 -
softmax,softmax loss 和cross entropy的讲解
原文链接:http://blog.csdn.net/u014380165/article/details/77284921转载 2018-03-18 11:00:45 · 1321 阅读 · 0 评论 -
CNN经典网络的总结
本文主要介绍一下CNN的几种经典模型比较。之前自己也用过AlexNet和GoogleNet,网络上关于各种模型的介绍更是形形色色,自己就想着整理一下,以备自己以后查阅方便LeNet5 先放一张图,我感觉凡是对深度学习有涉猎的人,对这张图一定不会陌生,这就是最早的LeNet5的平面结构图。 Lenet5诞生于1994年,是最早的卷积神经网络之一,并且推动了深度学习的发展。Caffe中Le...原创 2018-08-21 22:30:22 · 8169 阅读 · 0 评论 -
Logistics Regression过程的推导
今天自己又手推了一遍逻辑回归的过程及损失函数的推导,发现有一篇博客写的非常详细,特此保存下,以便后期查阅参考 原文地址:https://blog.csdn.net/ligang_csdn/article/details/53838743...转载 2018-08-03 19:31:51 · 283 阅读 · 0 评论 -
图像特征--局部特征点
图像特征包括颜色特征、纹理特征、形状特征以及局部特征点等 局部特征具有很好的稳定性,不易被外界干扰特征提取方面的一些算法,今天在看文章时发现有篇博客写的很好,特此放个链接,以备回头查阅 https://blog.csdn.net/qq_34057694/article/details/77838978图像物体分类与检测算法综述...转载 2018-10-01 18:35:17 · 905 阅读 · 0 评论 -
边缘检测算子
图像方面的特征提取大多从边缘开始,然后不断向上构成更高层次的特征描述 边缘和物体的边界并不等同,边缘指的是图像中像素的值有突变的地方,而物体间的边界指的是现实场景中的存在于物体之间的边界。 常见的边缘检测算子有:sobel,roberts,prewitt,canny,laplacian算子1.Sobel算子主要用来检测边缘,在技术上它是以离散型的差分算子,用来运算图像亮度函数的梯度...转载 2018-10-01 18:34:09 · 13744 阅读 · 1 评论 -
批量梯度下降法(BGD)、随机梯度下降法(SGD)和小批量梯度下降法(MBGD)
梯度下降法作为机器学习中较常使用的优化算法,其有着三种不同的形式:批量梯度下降(Batch Gradient Descent)、随机梯度下降(Stochastic Gradient Descent)以及小批量梯度下降(Mini-Batch Gradient Descent)。其中小批量梯度下降法也常用在深度学习中进行模型的训练。接下来,我们将对这三种不同的梯度下降法进行理解。 为了便于理解,...转载 2018-10-01 16:42:10 · 39298 阅读 · 20 评论 -
基于深度学习的目标检测技术 RCNN,fast-RCNN和faster-RCNN
看到几篇文章,感觉写的挺好的,在此,就不整理了,直接放上原文链接好了。 https://www.cnblogs.com/skyfsm/p/6806246.htmlhttps://blog.csdn.net/linolzhang/article/details/54344350https://zhuanlan.zhihu.com/p/31426458...原创 2018-04-02 14:17:10 · 330 阅读 · 0 评论 -
分类问题统计指标入门:混淆矩阵、召回、误检率、AUROC
AUC :曲线下面积(Area Under the Curve)AUROC :接受者操作特征曲线下面积(Area Under the Receiver Operating Characteristic curve)大多数时候,AUC都是指AUROC,这是一个不好的做法,正如Marc Claesen指出的那样,AUC有歧义(可能是任何曲线),而AUROC没有歧义。AUROC解释AUR...转载 2018-03-30 11:13:13 · 22838 阅读 · 0 评论 -
NGDL系列笔记《神经网络与深度学习》(2)--神经网络基础之逻辑回归
这篇我们将开始介绍神经网络的基础:逻辑回归(Logistic Regression)。通过对逻辑回归模型结构的分析,为我们后面学习神经网络模型打下基础。 主要内容: 1、二分类问题;2、逻辑回归及其对应的代价函数形式;3、用计算图描述神经网络的正向、反向传播过程;4、在逻辑回归中使用梯度下降算法。1. Binary Classification逻辑回归模型一般用来解决二...原创 2018-01-16 09:55:07 · 531 阅读 · 1 评论 -
NG深度学习系列笔记《神经网络与深度学习》(1)--深度学习概述
之前在学习吴恩达的斯坦福大学机器学习课程时,做的是手写的笔记,但是感觉手写还是太慢了,所以这次看NG的深度学习课时决定把笔记都写进博客里。这次的深度学习系列课程主要分为五周的课程,分别为: 1、神经网络和深度学习; 2、改善深层神经网络:超参数调试、正则化以及优化; 3、结构化机器学习项目; 4、卷积神经网络; 5、序列模型。这篇主要介绍《神经网络与深度学习》系列第一讲:深度学习原创 2018-01-15 20:45:56 · 687 阅读 · 0 评论