CS231n--Introduction&Linear classifier&Optimization
来源：互联网 发布：淘宝卖家如何登录 编辑：程序博客网 时间：2024/05/18 16:15
1. 感知分组 perceptual grouping2. 面孔检测 Viola Jones Face Detector 识别领域而不是3D重建(特征--部分)3. 可变性部件模型 deformable part model4. PASCAL VOC 物体识别基准测试 ImageNet5. CNN 卷积神经网络 Convolutional Neural Network 2012 used in image6. 摩尔定律 与 大数据7. 看图讲故事小结
总结如下：
1. 定义了从图像像素映射到不同类别的分类评分的评分函数。在本节中，评分函数是一个基于权重W和偏差b的线性函数。
2. 与kNN分类器不同，参数方法的优势在于一旦通过训练学习到了参数，就可以将训练数据丢弃了。同时该方法对于新的测试数据的预测非常快，因为只需要与权重W进行一个矩阵乘法运算。
3. 介绍了偏差技巧，让我们能够将偏差向量和权重矩阵合二为一，然后就可以只跟踪一个矩阵。
4. 定义了损失函数（介绍了SVM和Softmax线性分类器最常用的2个损失函数）。损失函数能够衡量给出的参数集与训练集数据真实类别情况之间的一致性。在损失函数的定义中可以看到，对训练集数据做出良好预测与得到一个足够低的损失值这两件事是等价的。
A. 折叶损失(hinge loss)
B. 交叉熵损失(corss-entripy):注意数值稳定
C. 二者区别:前者更加局部目标化,对满足要求的不再考虑.后者全局性更强,永不满足.
正则化参数λ:λ越大,W更加趋向于平均
0 0
- CS231n--Introduction&Linear classifier&Optimization
- 【CS231n Winter 2016 Lecture 2 (Image classifier,NN/KNN/linear classifier)】
- 【CS231n winter2016 Lecture 3 （Linear classification II/loss function/optimization/SGD）】
- CS231n-02-Linear Classification
- CS231n-1-introduction
- CS231n Optimization: Stochastic Gradient Descent
- CS231n-3-Loss Function & Optimization
- CS231n-2-Intro to Image Classifier
- 【cs231n】assignment1 ：k-Nearest Neighbor classifier
- introduction to linear
- 对linear classifier 的整体理解
- CS231n课程笔记1：Introduction
- CS231n系列之 Lecture1：Introduction
- [cs231n之第一课]Introduction
- cs231n——1introduction
- cs231n第三节Loss Function and Optimization
- CS231N-Lecture3 Loss Functions and Optimization
- cs231n - assignment1- k-Nearest Neighbor Classifier 梯度推导
- TQ2440开发板学习纪实（0.1）--- GNU Freestanding（Naked）C ARM交叉开发环境创建与测试
- android常用工具类
- SharpMap——web 学习笔记
- 常用正则收集
- Java设计模式（2）--简单工厂和工厂方法模式
- CS231n--Introduction&Linear classifier&Optimization
- 我的第一个C程序
- QT4.8.1 + VS2008
- 配置Qt调试环境~
- 简单了解下Dubbo
- GRUB4DOS入门
- SpringMVC源码总结（七）mvc:annotation-driven中的HttpMessageConverter
- Android LayoutInflate深度解析 给你带来全新的认识
- 正确插入目录并且自由更新
