刘通1997

2020年3月1日

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)

【65】神经风格迁移

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)

【64】可视化理解卷积神经网络

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)

【63】人脸验证与二分类

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)

2020年2月29日

【62】Triplet 损失

摘要： 1. 三元组损失函数已经了解了Siamese网络架构，并且知道想要网络输出什么，即什么是好的编码但是如何定义实际的目标函数能够让神经网络学习并做到上节讨论的内容呢？要想通过学习神经网络的参数来得到优质的人脸图片编码方法之一就是：定义三元组损失函数然后应用梯度下降为了应用三元组损失函数，需要比较成阅读全文

posted @ 2020-02-29 20:11 刘通1997 阅读(501) 评论(0) 推荐(0)

【61】Siamese网络

摘要：上篇笔记里提到的函数d的作用：输入两张人脸，然后告诉它们的相似度实现这个功能的一个方式就是用Siamese网络经常看到这样的卷积网络，输入图片x(1)然后通过一些列卷积，池化和全连接层最终得到这样的特征向量（编号1）有时这个会被送进softmax单元来做分类，但在这里不会这么做关注的重点是这阅读全文

posted @ 2020-02-29 19:41 刘通1997 阅读(275) 评论(0) 推荐(0)

【60】什么是人脸识别；One-Shot学习；Similarity函数

摘要： 1. 人脸识别现在可以看到很多产品在运用人脸识别，如手机解锁、车站身份识别认证、刷脸支付等在人脸识别的相关文献中，人们经常提到人脸验证（face verification）人脸识别（face recognition）人脸验证问题：如果有一张输入图片，以及某人的ID或者是名字这个系统要做的是，验证阅读全文

posted @ 2020-02-29 19:04 刘通1997 阅读(667) 评论(2) 推荐(0)

2020年2月28日

【59】候选区域

摘要： 1. 无对象区域记得滑动窗法吧，使用训练过的分类器在这些窗口中全部运行一遍，然后运行一个检测器，看看里面是否有车辆，行人和摩托车现在也可以运行一下卷积算法这里这个矩形区域（编号1）基本是空的，显然没有什么需要分类的东西也许算法会在这个矩形上（编号2）运行，知道上面没有什么有趣的东西这个算法的其阅读全文

posted @ 2020-02-28 18:21 刘通1997 阅读(494) 评论(0) 推荐(0)

【58】目标检测之YOLO 算法

摘要： YOLO 算法（Putting it together: YOLO algorithm）你们已经学到对象检测算法的大部分组件了，在这个笔记里，我们会把所有组件组装在一起构成YOLO对象检测算法。我们先看看如何构造你的训练集，假设你要训练一个算法去检测三种对象，行人、汽车和摩托车，你还需要显式指定阅读全文

posted @ 2020-02-28 18:07 刘通1997 阅读(447) 评论(0) 推荐(0)

【57】目标检测之Anchor Boxes

摘要： Anchor Boxes 到目前为止，对象检测中存在的一个问题是每个格子只能检测出一个对象，如果你想让一个格子检测出多个对象，你可以这么做，就是使用anchor box这个概念。我们还是先吃一颗栗子：假设你有这样一张图片，对于这个例子，我们继续使用3×3网格，注意行人的中点和汽车的中点几乎在同一阅读全文

posted @ 2020-02-28 17:39 刘通1997 阅读(519) 评论(0) 推荐(0)

公告