小萝、卜

摘要： 1.图像分类的挑战： 视角变化（Viewpoint variation）：同一个物体，摄像机可以从多个角度来展现。 大小变化（Scale variation）：物体可视的大小通常是会变化的（不仅是在图片中，在真实世界中大小也是变化的）。 形变（Deformation）：很多东西的形状并非一成不变，会 阅读全文

摘要： CNN的网络结构跟 TNN的网络结构是十分相似的。 TNN缺点：全连接，数据大 的时候参数极多，处理十分浪费。大多的参数也会导致网络过度拟合（why？）。 正因为这个缺点，CNN就出现了。CNN整体采用局部连接，实现参数共享。大量减少参数数目。 1.CNN的每一层神经元排列结构与TNN的区别？ CN 阅读全文

摘要： CS231n课程笔记翻译：图像分类笔记（上） - 智能单元 - 知乎专栏https://zhuanlan.zhihu.com/p/20894041 CS231n课程笔记翻译：图像分类笔记（下） - 智能单元 - 知乎专栏https://zhuanlan.zhihu.com/p/20900216 CS 阅读全文

摘要： 作者：杜客链接：https://zhuanlan.zhihu.com/p/21407711来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 译者注：本文智能单元首发，译自斯坦福CS231n课程笔记Backprop Note，课程教师Andrej Karpathy授权翻译 阅读全文

摘要： 作者：杜客链接：https://zhuanlan.zhihu.com/p/21360434来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。译者注：本文智能单元首发，译自斯坦福CS231n课程笔记Optimization Note，课程教师Andrej Karpathy授 阅读全文

摘要： 1.Score function：原始图像到到类别分值的映射、数学表示： D维的数据， K总分类，N个图像。 一个线性映射： 这个公式中：假设每一个图像被拉成 长度为D的列向量，W矩阵大小是KXD。 b为kx1是，他俩是参数。 xi表示 数据的信息，最后输出个 KX1的矩阵、 参数W叫做权重（wei 阅读全文

摘要： 1.计算机认识图像的方式：都是数字。例如一个 128X128 的3通道的图片 是由 128X128X3个数字 组成的。 2.面临的难点：一幅图可以说明。 3.分类器 A：Nearest Neighbor Classifier：与CNN无关，但是可以帮助我们理解一下分类器。仅用标签比较。 L1 dis 阅读全文

摘要： 1968年，hubel对猫的视觉皮层细胞研究， 提出receptive filed概念，视觉细胞可以分为简单细胞和复杂细胞，分别对感受野的范围不同，在生物学基础上，研究出针对二维图像的卷积神经网络。 传统图像分类：特征提取+特征表达+分类CNN将这些方法集合在一起、 一、卷积神经网络特征 1.局部接 阅读全文

摘要： 1.浅层学习（shallow learning） BP算法，Multi-layer Preception，只含有一层隐层节点。 2.深度学习（Deep learning） A：思想：对堆叠的多个层，对输入的信息多层表达，逐层初始化，无监督学习， 3.神经网络（Neural Network） 传统神网 阅读全文