吴恩达深度学习课程四:卷积神经网络(学习笔记)
来源:互联网 发布:java socket 多次发送 编辑:程序博客网 时间:2024/06/05 01:16
1.传统边缘检测
实行卷积操作,传统图像边缘检测一般使用卷积操作。
方法为:使用f*f大小的过滤器与输入相乘并累加,通过在输入数据上滑动操作,实现卷积过程。
可水平检测也可垂直检测,过滤器参数需要手工设定,检测能力有限。
2.卷积神经网络
分为:卷积层、池化层、全连接层和分类器.
特点:将过滤器中参数作为变量,与输入进行卷积操作,从而学习输入图片中特征。
卷积操作:相当于用f*f的滤波器与输入相乘,输入通道与滤波器相同,输出通道为滤波器使用个数;
卷积操作中参数有:f,p,s,n,可以计算出输出层大小,池化操作类似,也有p和s,一般有最大池化和平均池化(输入尺寸、通道,滤波器尺寸,填充,步幅);
全连接:输出大小为n*n*nc。
通过softmax进行分类;
为何用卷积:1.参数共享,相比全连接参数少得多,因用卷积操作可以参数共享,只需要设置滤波器的参数,可以有效提高学习效率。2.稀疏连接,每一个输出点只依赖输入值得一小部分,降低过拟合影响。
问题:参数计算;卷积操作如何实现分类?独热编码?
复杂网络问题:vgg,inception,resnet,
物体识别:rcnn,fast~rcnn,faster~rcnn,yolo
阅读全文
0 0
- 吴恩达深度学习课程四:卷积神经网络(学习笔记)
- 吴恩达深度学习笔记(四)week1卷积神经网络
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(4-1)-- 卷积神经网络基础
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(4-1)-- 卷积神经网络基础
- 吴恩达深度学习笔记(四)week2深度卷积神经网络实例
- 深度学习(四):高级卷积神经网络
- 深度学习(四):高级卷积神经网络
- 吴恩达神经网络和深度学习课程自学笔记(四)之深层神经网络
- 吴恩达深度学习课程笔记之卷积神经网络基本操作详解
- 吴恩达深度学习笔记之卷积神经网络(实例探究)
- 深度学习笔记1:神经网络 卷积神经网络
- 吴恩达深度学习笔记之卷积神经网络(卷积网络)
- 深度学习(四)卷积神经网络入门学习(1)
- 深度学习(四)卷积神经网络入门学习
- 深度学习(四)卷积神经网络入门学习(1)
- 吴恩达《神经网络与深度学习》课程笔记归纳(一)
- Coursera吴恩达《神经网络和深度学习》课程笔记(3)
- CS231N 卷积神经网络课程学习笔记
- Win10+VS2015 下载、编译和使用google breakpad
- 文件服务器之FTP服务器
- SDUT 3346 数据结构实验之二叉树七:叶子问题
- 题目: 编写一个学生类Students,该类成员变量包括学号no、姓名name、性别sex和年龄age
- mybatis 中 foreach collection的三种用法之Array
- 吴恩达深度学习课程四:卷积神经网络(学习笔记)
- JZOJ 5460. 【NOIP2017提高A组冲刺11.7】士兵训练
- SSH框架中web.xml配置
- 例子---JS实现钟表
- Plant Factory 2016 R2(3D植物建模软件)官方版下载
- Scrum学习笔记
- 程序员
- leetcode解题方案--028--Divide Two Integers
- mysql常用命令