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！

  • 正在搞一些有趣的好玩的内容！！！敬请期待！
    2026-6-12

Recommend Articles

关于我
个人介绍English Name: Qodicat推特/公众号名 ：探晓初AI创业者，北京因构智能科技有限公司
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
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
2023-12-21
经典网络（七）ResNet全解析
AI深度学习神经网络方法
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
AI深度学习神经网络方法
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
AI深度学习神经网络方法
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
AI深度学习神经网络方法
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
AI深度学习神经网络方法
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
AI深度学习神经网络方法
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
1 / 6
Next

Playing with cute fish