本人入门CV方向时追着看无数的公开课，教程，入门指南之类的，每每发现别人共享的资料，百十来本书，百十个视频公开课连接，力不从心底学了几天，发现都是白扯。看N遍CS231n，读paper，精读这个领域的100篇paper，写review，写代码，写自己的想法，写自己与别人的差距。于是乎重新整理知乎专栏，把自己所学到的总结一下，差不多每天精读一篇paper并写notes。note是阅读笔记，也是对行业
转载
2024-08-12 12:01:04
27阅读
循环神经网络(RNN, Recurrent Neural Networks)介绍 循环神经网络(Recurrent Neural Networks，RNNs)已经在众多自然语言处理(Natural Language Processing, NLP)中取得了巨大成功以及广泛应用。但是，目前网上与RNNs有关的学习资料很少，因此该系列便是介绍RNNs的原理以及如何实现。主要分成以下几个部分对RN
本文中笔者将在实践中深度探讨人工智能神经网络（ANN）技术。通常为了解决以一个问题，ANN 会拥有不同的层次，关于需要多少分层来解决一个特定问题则是另一个话题，将不在本篇中赘述。作为一个程序员，应该比任何人都要更了解代码，无论看到什么样的代码都应该可以快速做出反应。因此，程序员可以直接从代码中来学习 ANN。然而，在开始了解 ANN 算法之前，了解算法背后的数学可以加快理解的速度。所以，在看代码之
转载
2024-05-17 13:17:42
259阅读
1、Dynamic Routing Between CapsulesCapsNet与CNN的区别CNN善于捕捉特征是否存在，因为它的卷积结构总是尝试理解局部的特征与信息。当前面低级特征组合成后面复杂与抽象的特征时，可能需要通过池化层来减少输出张量或特征图的尺寸，而这种操作可能会丢失位置信息。比如在下面这两张图中，CNN对两张图的识别效果都是人脸，显然是不对的。 例如对下图CNN的识别过程
[ 导读 ] 我们从鸟类那里得到启发，学会了飞翔，从牛蒡那里得到启发，发明了魔术贴，还有很多其他的发明都是被自然所启发。这么说来看看大脑的组成，并期望因此而得到启发来构建智能机器就显得很合乎逻辑了。这也是人工神经网络 ( ANN ) 思想的根本来源。不过，虽然飞机的发明受鸟类的启发，但是它并不用扇动翅膀来飞翔。同样，人工神经网络和它的生物版本也有很大差异。甚至有些研究者认为应该放弃对生物
深度学习或人工神经网络(ANN)能够模拟生物神经元的观点，是个很大的误解。ANN充其量能模仿一个1957年的单个神经元模型的卡通版本。任何声称深度学习的人都是出于营销目的，或者从来没有读过生物文献。深度学习中的神经元本质上是数学函数，它对内部权重的输入执行相似函数。匹配越接近，执行动作的可能性就越大(即不向零发送信号)。这个模型也有例外，但它包含感知器、卷积网络和RNN。Numenta
ANN是一个非线性大规模并行处理系统1.1人工神经元的一般模型神经元的具有的三个基本要素1、一组连接，连接的强度由个连接上的权值表示，若为正，则表示是激活，为负，表示，抑制 2、一个求和单元：用于求各个输入信号的加权和 3、一个非线性激活函数：起到非线性映射的作用，并将神经元输出幅度限制在一定的范围内，一般限制在（0,1）或者（-1,1）之间 此外还有一个阈值 求和部分 总和减去阈值 减
转载
2024-03-18 21:56:58
160阅读
感谢中国人民大学的胡鹤老师，课程理论实践结合，讲得很好~神经网络是从生物领域自然的鬼斧神工中学习智慧的一种应用。人工神经网络（ANN）的发展经历的了几次高潮低谷，如今，随着数据爆发、硬件计算能力暴增、深度学习算法的优化，我们迎来了又一次的ANN雄起时代，以深度学习为首的人工神经网络，又一次走入人们的视野。感知机模型perceptron不再处理离散情况，而是连续的数值，学习时权值在变化，从而记忆存储
转载
2023-07-25 22:25:49
136阅读
深度学习——CNN相关网络（一）1. CNN神经网络引入1.1 回顾BP网络首先，我们来看一下传统的BP网络的结构： 上图所展示的是BP网络的前向传播和反向传播的过程图。跟根据上面的图示，我们可以给出上述BP网络的某一个输出单元k的计算公式： 其中均为激活函数。在传统的神经网络，如果网络层特别深的情况下，会有以下几个问题：这种连接的方式会导致参数过多。如果采用sigmoid函数，会导致梯度消失或者
转载
2024-05-30 09:51:14
38阅读
开篇上次我们说到了卷积神经网络，CNN是一种在图像领域经常被使用的一种重要的基础网络。我们熟悉的网络例如VGG，ResNet,Inception-v3,GoogLeNet,AlexNet等等众多著名网络中都有CNN身影。 那今天我们就要介绍一种在语音识别和自然语言处理领域和CNN具有同样低位的另一种网络——循环神经网络RNN。如BERT，Skip-Gram,CBOW等模型。它有两个很重要的部分，L
1. 图形文件和图形库是统一的 XML 格式 一般图形软件的图库不外乎采用以下几种技术： ① 程序中自带图库。这适用于特定的专业领域，如果需求发生变化，程序必须改变，目前许多自行开发图形系统的软件公司采用这种技术，一来需求相对固定，二来实现也较为简单，这种技术的缺点在于，以后需求发生变化，程序经常需要修改。 ② 专门做一个图库设计工具软件，图库有专门的格式。这个已经比前面进了一步，起码用户似乎可
简述：⼈⼯神经⽹络（artificial neural network，ANN），简称神经⽹络（neural network，NN）。是⼀种模仿⽣物神经⽹络(动物的中枢神经系统，特别是⼤脑)的结构和功能的数学模型或计算模型，⽤于对函数进⾏估计或近似。激活函数非线性变换，将累加信号变换后输出，一般使用压缩函数。来限制振幅。作用：增强网络表达能力，非线性输出，没有激活函数就相当于矩阵相乘。一个神经网络
转载
2024-07-17 21:56:33
110阅读
U-Net和FCN的区别在计算机视觉领域，全卷积网络（FCN）是比较有名的图像分割网络，医学图像处理方向，U-Net可以说是一个更加炙手可热的网络，基本上所有的分割问题，我们都会拿U-Net先看一下基本的结果，然后进行“魔改”。U-Net和FCN非常的相似，U-Net比FCN稍晚提出来，但都发表在2015年，和FCN相比，U-Net的第一个特点是完全对称，也就是左边和右边是很类似的，而FCN的d
转载
2024-06-03 09:52:37
220阅读
1. DenseNet & ResNet在计算机视觉领域，卷积神经网络（CNN）已经成为最主流的方法，比如最近的GoogLenet，VGG-19，Incepetion等模型。CNN史上的一个里程碑事件是ResNet模型的出现，ResNet可以训练出更深的CNN模型，从而实现更高的准确度。ResNet模型的核心是通过建立前面层与后面层之间的“短路连接”（shortcuts，skip conn
转载
2024-02-19 11:29:27
96阅读
在本教程中，我们将讨论深度学习应用于人脸的一个有趣应用。我们将估计年龄并从单个图像中找出人的性别。我们将简要讨论本文的主要思想，并提供有关如何在 OpenCV 中使用该模型的分步说明。我们将使用 OpenCV 学习性别和年龄分类。1. 使用 CNN 进行性别和年龄分类作者使用了一个非常简单的卷积神经网络架构，类似于CaffeNet和AlexNet。该网络使用3个卷积层，2个完全连接层和一个最终输出
转载
2024-09-03 21:52:47
39阅读
R-FCN:Object Detection via Region-based Fully Convolutional Networks1、简介 比较流行的关于目标检测的深度网络可以通过ROI( Region-of-Interest) pooling layer分成两个子网络: 1. a shared,“ fully convolution” subnetwork inde
转载
2024-09-24 19:27:16
81阅读
人工神经网络（Artificial Neural Network，简称ANN）的目的是利用计算机模拟我们人类大脑处理问题的过程，这里来分析一下其逻辑，不作专业解释了。 ANN是一个统计模型，由观测数据集（S）和概率（P）组成。 对于一张图片，我们将其所有的像素作为我们的数据集，利
久违的学习笔记，在周围大佬们的陪（压）伴（力）下，不得不给自己学习的压力啊！ 周五就要做报告了，得赶快写点总结。前面几课笔记周五补上，给自己挖个坑，记得填。废话不说，拿出朕的小本本开写。 CNN（Convolutional Neural Network）卷积神经网络 听名字就觉得很吓人，卷积什么的！1. What’s CNN?1.1 CNN定义定义1. 一种专门用来处理类似网格结构的数据的神
转载
2024-07-18 15:05:19
52阅读
首先我们先将具体的数字图片转换为向量矩阵形式，存储在txt文件下，具体格式如下，其是数字0的矩阵向量形式： 整个项目文件夹下分一部分为训练集数据集另一部分为测试集数据集，文件格式如下： 那么直接开始上KNN算法的代码实现算法了：（附有详细讲解） # -*- coding: UTF-8 -*-
import numpy as np
算法【1】以 YOLO 为基础，从准确度和速度上做改进，最终在保持原有速度的同时将精度提升到了76%左右；提出了联合训练（同时训练目标检测和分类）的方法，在COCO和ImageNet上得到一个能实现9000种目标实时检测的网络 YOLO9000对YOLO的改进YOLO2 对很多细节做了调整，从精度和速度上得到了提升更精确1.批归一化（Batch Normalization） 深层网络训练不收敛（
转载
2024-08-08 11:45:48
112阅读
