本文介绍了用卷积神经网络改进传统NMS的方法， 1-传统的NMS2-NMS-ConvNet2-1 映射制作score map2-2 制作IOU层2-3 网络解析2-4 输出及Loss未完待续 1-传统的NMSNMS，非极大值抑制，在很多计算机视觉问题中有着重要应用，尤其是目标检测领域。以人脸检测为例，通常的流程为3步：（1）通过滑动窗口或者其它的object proposals方法产生
转载
2023-08-14 11:29:05
36阅读
该文主要内容为一个完整神经网络的代码实现1 神经网络的主要过程有：1.1 前馈过程或者叫正向传播1.2 误差反传或者叫反向传播1.3 设置迭代次数训练模型1.4 设置评价指标，生成评价指标2 正向传播图示(仅供参考)与代码：注：正向传播较容易理解，无非是每层都进行：权重*输入+偏移项，再使用激活函数计算后作为下一层的输入def __init__(self, layer_list=[], lr=0.
转载
2023-10-27 11:03:52
34阅读
写在前面的 接触神经网络(ANN)的时间很长了，以前也只是学了学原理，做过一个BPN的练习，没有系统的总结过，最近看Torch的源码，对MLP有了更多的了解，写写自己学到的东西吧，算是做了一次总结！ANN的特点(1) 高度的并行性人工神经网络是由许多相同的简单处理单元并联组合而成，虽然每个单元的功能简单，但大量简单单
梯度下降中，计算完各个参数的导数之后就需要更新参数值了，最常用的更新参数方法就是： 【SGD】： 1. x += - learning_rate * dx 但是这种方法收敛速度非常慢，其实除了这个更新参数的方法，还有很多的方法可以进行参数更新。 【Momentum update】： 这个方法对于深度学习的网络参数更新往往有不错的效果。本质意
转载
2023-08-04 21:16:05
151阅读
神经网络Neural Networks 1 为什么要用神经网络？既然前面降了逻辑回归，为什么还需要神经网络呢？前面我们制定在非线性分类问题中，也可以使用逻辑回归进行分类，不过我们的特征变量就变成了原始特征的高阶多项式。假设有100个特征变量，要使用逻辑回归进行分类的话，特征就呈指数增长，不仅计算量十分大，而且很容易过拟合。2 模型表示神经元模型 单个神
转载
2023-10-12 20:16:48
55阅读
前言 机器学习栏目记录我在学习Machine Learning过程的一些心得笔记，涵盖线性回归、逻辑回归、Softmax回归、神经网络和SVM等等，主要学习资料来自Standford Andrew Ng老师在Coursera的教程，同时也参考了大量网上的相关资料（在后面列出）。 本文主要记录我在学习
原创
2022-06-27 20:01:45
81阅读
去年 5 月，github上出现一款名为 ML Visuals 的机器学习画图模板，该项目受到广泛关注，迄今器学习系统设计基础组件这套画图模板首先提供了多种基础组
原创
2023-07-12 15:18:41
234阅读
上一章的神经网络实际上是前馈神经网络（feedforward neural network），也叫多层感知机（multilayer perceptron，MLP）。具体来说，每层神经元与下一层神经元全互联，神经元之间不存在同层或跨层连接；输入层神经元仅接受外界输入，不进行函数处理；隐藏层与输出层包含功能神经元，对信号进行加工；最终结果由输出层神经元输出。“前馈”是说网络拓补结构上不存在环路或回...
原创
2021-06-07 17:04:17
518阅读
上一章的神经网络实际上是前馈神经网络（feedforward neural network），也叫多层感知机（multilayer perceptron，MLP）。具体来说，每层神经
原创
2022-01-16 17:34:20
279阅读
七、激活函数的使用 通过之前的学习我们都了解到了激活函数的作用，现在我们将会讲解一下激活函数在不同的神经网络中的应用： 1、首先是sigmoid 函数： a=11+e−z 它的图像可以表示为： 但是这个激活函数多使用在二分分类输出的神经网络，因为需要寻找1和0值，所以在一般的神经网络中我们很少使用这个激活函数。对应的导数为： g′(z)=a(1−a) 这为后面的计算节省了很多时间。 2
转载
2024-01-10 20:01:43
186阅读
卷积神经网络一、卷积神经网络与BP网络（传统前馈神经网络）相比具有以下特点：（1）、采取局部连接（稀疏连接），减少了所需参数； （2）、可直接处理二维数据，故常被用于图片处理操作； （3）、具有三个基本层——卷积层、池化层、全连接层：卷积层CNN算法常用于图片处理，其中卷积层是通过多个卷积核对输入的图片像素矩阵进行局部连接，通过权值共享与卷积的方式进行图片的特征提取得到特征映射数据。（所以卷积核又
转载
2023-09-15 15:36:43
439阅读
谷歌实际操作已经有3年了为什么还是没有将网络的能力指数增加 原因是为什么 这萝卜还用说 坑一定是现在的神经网络本质就是无法指数级别优化的所以谷歌填坑这么多年仍然没有填好,但是走向正确的道理之前一定是经过错误,才能避免错误的 如果谷歌得到了什么启示,目前的神经网络会得到很大的改进,或者是颠覆的创造.人类的基因也是如此的, 我们的染色体经过不断的自我复制的过程中进步,但是基因不过是一个编码而已真正强大
原创
2022-04-06 10:13:22
436阅读
1 基本概念BP神经网络是一种通过误差反向传播算法进行误差校正的多层前馈神经网络，其最核心的特点就是：信号是前向传播，而误差是反向传播。前向传播过程中，输入信号经由输入层、隐藏层逐层处理，到输出层时，如果结果未到达期望要求，则进入反向传播过程，将误差信号原路返回，修改各层权重。2 BP神经网络结构BP神经网络包含输入层、隐藏层和输出层，其中，隐藏层可有多个，其中，输入层和输出层的节点个数是固定的（
原创
2021-03-23 20:00:09
3030阅读
谷歌实际操作已经有3年了为什么还是没有将网络的能力指数增加原因是为什么这萝卜还用说坑一定是现在的神经网络本质就是无法指数级别优化的所以谷歌填坑这么多年仍然没有填好,但是走向正确的道理之前一定是经过错误,才能避免错误的如果谷歌得到了什么启示,
原创
2021-04-22 20:32:04
852阅读
AI领域是一个非常交叉的领域，涉及很多技术：数学、软体、硬件和，尤其还有硬件环节，不过一切来源或输入的入口一般有三个：一个是图像识别和处理是其中一个非常重要的环节，一个是自然语言处理，还有一个就是借口输入。一、这是一个python卷积神经网络的代码（开源）：https://github.com/yangshun2005/CNN_sentence 二、下面是一些基本公式，以备忘：写CNN的
转载
2023-08-10 17:29:39
390阅读
1、概述 本来想用卷积神经网络来预测点东西，但是效果嘛......，还是继续学习图像类的应用吧～前面学习的神经网络都是一些基础的结构，这些网络在各自的领域中都有一定效果，但是解决复杂问题肯定不够的，这就需要用到深度神经网络。深度神经网络是将前面所学的网络组合起来，利用各自网络的优势，使整体效果达到最优。这一节就简单的记下一些常用的深度神经网络模型，因为tensorflow等框架都将这些网络实现了，
转载
2023-10-03 20:24:38
304阅读
人工神经网络——前馈神经网络——多层神经网络——CNN、DNN、DBN。CNN（卷积神经网络）CNN、RNN、LSTM等各种神经网络都是基于FCNN（全连接神经网络）出发的，最基础的原理都是由反向传播而来。反向传播示意图：神经网络的训练是有监督的学习，也就是输入X 有着与之对应的真实值Y ，神经网络的输出Y 与真实值Y 之间的损失Loss 就是网络反向传播的东西。整个网络的训练过程就是不断缩小损失
转载
2023-09-21 08:21:18
902阅读
有哪些深度神经网络模型目前经常使用的深度神经网络模型主要有卷积神经网络(CNN)、递归神经网络(RNN)、深信度网络(DBN)、深度自动编码器(AutoEncoder)和生成对抗网络(GAN)等。递归神经网络实际.上包含了两种神经网络。一种是循环神经网络(RecurrentNeuralNetwork);另一种是结构递归神经网络(RecursiveNeuralNetwork)，它使用相似的网络结构递
转载
2023-08-03 06:54:54
672阅读
卷积学习网络1.卷积神经网络简介一般的前馈神经网络权重参数矩阵过大，过拟合风险很高，并且在做图像处理时需要将图像展开为向量，这会丢失一些空间信息，于是在此基础上开发出卷积神经网络作为优化。卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，与普通前馈神经网络不一样的是，卷积神经网络的输入层为图像数据（32x32x3矩阵）而不是将图像数据展开为向量计算，隐含层不再仅仅是神经层简单的线性非线性
转载
2023-08-18 20:40:14
552阅读
文章目录13.1 Deep Neural Network13.2 Autoencoder13.3 Denoising Autoencoder13.4 Principal Component AnalysisSummary 上节课介绍了神经网络，神经网络的核心是通过一层层的感知器从输入数据中提取模式特征，关键是求解每一层的权重向量，通过反向传播结合梯度下降算法可以很容易的求解出来。那么神经网络应该
转载
2023-09-22 11:52:05
1122阅读
