摘要：
上节课，我们讲了如何为卷积网络构建一个卷积层。今天我们看一个深度卷积神经网络的具体示例，顺便练习一下我们上节课所学的标记法。 假设你有一张图片，你想做图片分类或图片识别，把这张图片输入定义为x，然后辨别图片中有没有猫，用0或1表示，这是一个分类问题，我们来构建适用于这项任务的卷积神经网络。针对这个示 阅读全文
posted @ 2020-02-27 19:51
刘通1997
阅读(456)
评论(0)
推荐(0)
摘要：
今天我们要讲的是如何构建卷积神经网络的卷积层，下面来看个例子。 上节课，我们已经讲了如何通过两个过滤器卷积处理一个三维图像，并输出两个不同的4×4矩阵。假设使用第一个过滤器进行卷积，得到第一个4×4矩阵。使用第二个过滤器进行卷积得到另外一个4×4矩阵。 最终各自形成一个卷积神经网络层，然后增加偏差， 阅读全文
posted @ 2020-02-27 18:47
刘通1997
阅读(457)
评论(0)
推荐(0)
摘要：
三维卷积（Convolutions over volumes） 在上面笔记中你已经知道如何对二维图像做卷积了，现在看看如何执行卷积不仅仅在二维图像上，而是三维立体上。 我们从一个例子开始，假如说你不仅想检测灰度图像的特征，也想检测RGB彩色图像的特征。彩色图像如果是6×6×3，这里的3指的是三个颜色 阅读全文
posted @ 2020-02-27 18:39
刘通1997
阅读(1296)
评论(0)
推荐(0)
摘要：
卷积步长（Strided convolutions） 卷积中的步幅是另一个构建卷积神经网络的基本操作，让我向你展示一个例子。 如果你想用3×3的过滤器卷积这个7×7的图像，和之前不同的是，我们把步幅设置成了2。你还和之前一样取左上方的3×3区域的元素的乘积，再加起来，最后结果为91。 只是之前我们移 阅读全文
posted @ 2020-02-27 17:59
刘通1997
阅读(3198)
评论(0)
推荐(0)
摘要：
Padding 为了构建深度神经网络，你需要学会使用的一个基本的卷积操作就是padding，让我们来看看它是如何工作的。 我们在之前笔记中看到，如果你用一个3×3的过滤器卷积一个6×6的图像，你最后会得到一个4×4的输出，也就是一个4×4矩阵。那是因为你的3×3过滤器在6×6矩阵中，只可能有4×4种 阅读全文
posted @ 2020-02-27 17:55
刘通1997
阅读(1441)
评论(0)
推荐(0)
摘要：
更多边缘检测内容（More edge detection） 你已经见识到用卷积运算实现垂直边缘检测，在本笔记中，你将学习如何区分正边和负边，这实际就是由亮到暗与由暗到亮的区别，也就是边缘的过渡。你还能了解到其他类型的边缘检测以及如何去实现这些算法，而不要总想着去自己编写一个边缘检测程序，让我们开始吧 阅读全文
posted @ 2020-02-27 17:52
刘通1997
阅读(576)
评论(0)
推荐(0)
摘要：
边缘检测 卷积运算是卷积神经网络最基本的组成部分，使用边缘检测作为入门样例。在这个笔记中，你会看到卷积是如何进行运算的。 在之前的笔记中，我说过神经网络的前几层是如何检测边缘的，然后，后面的层有可能检测到物体的部分区域，更靠后的一些层可能检测到完整的物体，这个例子中就是人脸。在这个视频中，你会看到如 阅读全文
posted @ 2020-02-27 17:25
刘通1997
阅读(1118)
评论(0)
推荐(0)
摘要：
计算机视觉（Computer vision） 计算机视觉是一个飞速发展的一个领域，这多亏了深度学习。 深度学习与计算机视觉可以帮助汽车，查明周围的行人和汽车，并帮助汽车避开它们。 还使得人脸识别技术变得更加效率和精准，你们即将能够体验到或早已体验过仅仅通过刷脸就能解锁手机或者门锁。 当你解锁了手机， 阅读全文
posted @ 2020-02-27 17:17
刘通1997
阅读(948)
评论(0)
推荐(0)
浙公网安备 33010602011771号