星河悠悠转

Welcome to my blog

太阳下山有月光，月亮落下有朝阳 每一天都要快乐！

滴滴！

Recommend Articles

关于我
个人介绍博主: QodicatAI算法应用爱好者与世界大战三百回合不服输的少年~喜欢探索美食，以及一切有趣充满活力的事物
Read More
系列文章
这里有我写过的相关的系列的文章，欢迎系统阅读！如果对你有任何问题，可以给我反馈
Read More
本站说明
本站的文章均为原创，本站的图片大部分由AIGC图像模型生成可以在“系列文章”一栏中选择阅读你喜欢的文章，谢谢！未来会持续
Read More
2023-12-21
经典网络（七）ResNet全解析
经典深度神经网络
1 设计初衷我们之前讲了VGG等网络，在之前网络的研究中，研究者感觉 网络越深，分类准确率越高，但是随着网络的加深，科学家们发现分类准确率反而会下降，无论是在训练集上还是测试集上。 ResNet的作者团队发现了这种现象的真正原因是： 训练过
2023-12-20
经典CV任务（二）目标检测
经典深度神经网络
1 目标检测目标检测的重要任务是 目标定位：目标检测的首要任务是确定图像中对象的位置，通常使用边界框（Bounding Box）来描述目标的位置。边界框由一对坐标表示，通常是左上角和右下角的坐标。 目标识别：目标检测不仅要定位目标，还要识
2023-12-19
经典网络（九）生成网络GAN
经典深度神经网络
之前我们讲了VAE 但原有问题 ​ 希望从训练样本分布中采样新数据，但这个分布不仅维度高，而且还很复杂，难以实现 ​ 所以期望对一个简单的分布采样，比如正态分布，然后学习一种映射将其变换到训练样本分布，这种映射的方式可以通过神经网络来学习
2023-12-19
经典网络（五）VGG全解析
经典深度神经网络
之前我们讲到AlexNet，以及改进ZFnet 但是这些网络结构都没有提供一个通用的模版来指导后续的设计，都是在一层一层设计 今天的VGG则开创性的利用“块”的设计方式，便于加深网络 可以发现神经网络的研究 从一开始的单个神经元 到
2023-12-18
经典网络（八）生成网络VAE
经典深度神经网络
之前我们的很多网络都是有监督的 生成网络都是无监督的（本质就是密度估计），我们首先来讲有监督学习，无监督学习 1 有监督与无监督有监督学习 目标学习X到Y的映射，有正确答案标注 示例 分类回归 目标检测 语义分割 无监督学习
2023-12-18
网络可解释性 | 可视化
经典深度神经网络
可视化可以帮助我们更好的理解卷积网络每一层学到了什么，或者说每一个卷积核究竟学到了什么，他是怎么理解图像的 这种的话当我们神经网络结果不太好时，我们可以分析不好的原因 图片来源于李飞飞老师的内容 梯度上升方法做可视化 1. 第一层直接可视化
2023-12-18
经典网络（四）AlexNet全解析
经典深度神经网络
之前我们讲到全连接神经网络对一些已经表示成向量的比较简洁的形式是有效的 深度学习修炼（二）全连接神经网络 | Softmax，交叉熵损失函数 优化AdaGrad，RMSProp等 对抗过拟合 全攻略_Qodi的博客-CSDN博客 对于复杂图
1 / 6
Next

Playing with cute fish