随笔分类 - DeepLearning
摘要:笔记持续更新中,请大家耐心等待 首先需要大概了解什么是生成对抗网络,参考维基百科给出的定义(https://zh.wikipedia.org/wiki/生成对抗网络): 生成对抗网络(英语:Generative Adversarial Network,简称GAN)是非监督式学习的一种方法,通过让两个
阅读全文
摘要:假定TP(真阳性)表示阳性样本中正确预测为阳性的样本数目,TN(真阴性)表示阴性样本中正确预测为阴性的样本数目,FP(假阳性)表示阴性样本中错误预测为阳性的样本数目,FN(假阴性)表示阳性样本中错误预测为阴性的样本数目。 1.敏感度、特异度 敏感度(Sensitivity) = TP / (TP +
阅读全文
摘要:本文主要对现有的LSTM相关资源进行总结,希望能对大家有所帮助: 1.http://colah.github.io/posts/2015-08-Understanding-LSTMs/ 《Understanding LSTM Networks》由colah在2015年8月执笔完成,作者浅显易懂地介绍
阅读全文
摘要:注:1.本博文持续更新中,文章较长,可以收藏方便下次阅读。2.本人原创,谢绝转载。 1. R-CNN:Rich feature hierarchies for accurate object detection and semantic segmentation 技术路线:selective sea
阅读全文
摘要:最近参考http://blog.csdn.net/hlx371240/article/details/51388022一文,用LFW数据集对vgg_face.caffemodel进行fine-tune。主要步骤和http://blog.csdn.net/hlx371240/article/detai
阅读全文
摘要:1.DeepID1 (Deep Learning Face Representation from Predicting 10,000 Classes) Step1:构建网络框架 DeepConvNet主要由卷积层、Pooling层和全连接层构成。其中,Deep hidden indentity f
阅读全文
摘要:注:1.本博文持续更新中,文章较长,可以收藏方便下次阅读。2.本人原创,谢绝转载。 1. R-CNN:Rich feature hierarchies for accurate object detection and semantic segmentation 技术路线:selective sea
阅读全文
摘要:一、讲座正文:大家好!我是贾扬清,目前在Google Brain,今天有幸受雷鸣师兄邀请来和大家聊聊Caffe。没有太多准备,所以讲的不好的地方还请大家谅解。我用的ppt基本上和我们在CVPR上要做的tutorial是类似的,所以大家如果需要更多的内容的话,可以去tutorial.caffe.ber...
阅读全文
摘要:1.正问题和反问题 反问题是相对于正问题而言的。一般的,对于两个相关问题,如果其中一个问题是(或部分是)另一个问题的结论,则称这两个问题是互逆的。通常,将其中一个研究的较早、发展的较成熟的问题称为正问题,而另一个问题相应的称为反问题。例如:在初等代数中,已知方程求解方程的根,若称其为正问题,那么由方
阅读全文

浙公网安备 33010602011771号