摘要：
1. 2维数据从卷积神经网络框架，到如何使用它进行图像识别、对象检测、人脸识别与神经网络转换即使大部分讨论的图像数据，某种意义上而言都是2D数据，考虑到图像如此普遍许多所掌握的思想不仅局限于2D图像，甚至可以延伸至1D，乃至3D数据 关于2D卷积，可能会输入一个14×14的图像，并使用一个5×5的过 阅读全文
posted @ 2020-03-01 18:51
刘通1997
阅读(337)
评论(0)
推荐(0)
摘要：
1. 风格相关系数 比如有这样一张图片，可能已经对这个计算很熟悉了，它能算出这里是否含有不同隐藏层现在选择了某一层 l ll（编号1），比如这一层去为图片的风格定义一个深度测量现在要做的就是将图片的风格定义为 l ll 层中各个通道之间激活项的相关系数 现在将 l ll 层的激活项取出，这是个nH 阅读全文
posted @ 2020-03-01 18:40
刘通1997
阅读(301)
评论(0)
推荐(0)
摘要：
1. 激活函数值风格迁移网络的代价函数有一个内容代价部分，还有一个风格代价部分 先定义内容代价部分，不要忘了这就是整个风格迁移网络的代价函数，看看内容代价函数应该是什么 假如说，用隐含层 l来计算内容代价，如果 l 是个很小的数，比如用隐含层1这个代价函数就会使生成图片像素上非常接近内容图片 然而如 阅读全文
posted @ 2020-03-01 18:20
刘通1997
阅读(172)
评论(0)
推荐(0)
摘要：
1. 神经风格迁移最近，卷积神经网络最有趣的应用是神经风格迁移来看几个例子，比如这张照片，照片是在斯坦福大学拍摄的如果想利用右边照片的风格来重新创造原本的照片，右边的是梵高的星空神经风格迁移可以生成下面这张照片 这仍是斯坦福大学的照片，但是用右边图像的风格画出来为了描述如何实现神经网络风格迁移，将使 阅读全文
posted @ 2020-03-01 12:52
刘通1997
阅读(1162)
评论(0)
推荐(0)
摘要：
1. 学习内容深度卷积网络到底在学什么？ 来看一个例子，假如训练了一个卷积神经网络，是一个Alexnet，轻量级网络希望将看到不同层之间隐藏单元的计算结果 可以这样做，从第一层的隐藏单元开始，假设遍历了训练集然后找到那些 使得单元激活最大化的一些图片或者图片块换句话说，将训练集经过神经网络然后弄明白 阅读全文
posted @ 2020-03-01 12:37
刘通1997
阅读(362)
评论(0)
推荐(0)
摘要：
1. 二分类问题Triplet loss是一个学习人脸识别卷积网络参数的好方法还有其他学习参数的方法可以尝试将人脸识别当成一个二分类问题 另一个训练神经网络的方法是选取一对神经网络，选取Siamese网络使其同时计算这些嵌入，比如说128维的嵌入（编号1），或者更高维然后将其输入到逻辑回归单元，然后 阅读全文
posted @ 2020-03-01 12:32
刘通1997
阅读(505)
评论(0)
推荐(0)
浙公网安备 33010602011771号