摘要：
卷积层和池化层 与神经网络相比，卷积神经网络多了卷积层和池化层，基本顺序为data-conv-ReLU-Pooling-FC（全联接层）-s 一、卷积神经网络的权重共享 经典神经网络：全连接，即每个神经元都与每一个数据有对应的参数； 卷积神经网络是权重共享的，就是得到的特征图的每个像素点都是原图的一 阅读全文
posted @ 2018-11-05 23:11
zarjen
阅读(291)
评论(0)
推荐(0)
摘要：
一、激活函数 线性操作分类能力不强，而非线性表达可以分开数据。 神经网络中隐层就是增加了激活函数，使得神经网络表达出更强大的效果。 Sigmoid可作为激活函数，但容易引起梯度消失（导数趋近于0）。 max（0，x）就是ReLU激活函数，可以解决梯度消失问题，导数简单，已经常用的神经网络激活函数。 阅读全文
posted @ 2018-11-02 11:29
zarjen
阅读(490)
评论(0)
推荐(0)
摘要：
一、前向传播：通过一组w参数得到一组得分值f(x)，再做e^x再归一化，再到Loss值。 Bachsize是一次取2的整数倍数（32,64,128）张图片做一次迭代 学习率：过大会来回震荡，找不到最小值；太小，迭代次数过大，效率低。 二、反向传播 由Loss值一步一步往回传，更新权重参数。 先算z对 阅读全文
posted @ 2018-10-31 19:35
zarjen
阅读(582)
评论(0)
推荐(0)
摘要：
SVM输出的是一个得分值； Softmax的输出是概率。 Sigmoid函数 损失函数计算的是判断正确时的概率的损失值，所以这里是0.13。 Softmax分类器对任何一个分数都可以求出一个损失值。 阅读全文
posted @ 2018-10-31 17:01
zarjen
阅读(1023)
评论(0)
推荐(0)
摘要：
一、线性分类 得分函数：f(x,W) = W*x + b （均为矩阵运算），W为权重参数，x是图像。 得分高的部分就是判断属于那个类别。 多条线分类 二、损失函数 损失函数评估预测模型的效果，1位容忍值，最终损失值越大表示预测效果越差。 阅读全文
posted @ 2018-10-31 16:32
zarjen
阅读(688)
评论(0)
推荐(0)
摘要：
一、影响图片识别的因素： 1 角度 2 光照强度 3 形状改变（物体的姿态） 4 部分遮蔽（只有半张脸） 5 背景混入 二、常规识别套路： 1 收集数据集并给定标签 2 训练一个分类器 3 测试 评估 三、K-近邻算法 CIFAR-10数据集(数据库样例) 适合用于练习 四、对图像数据怎样计算所谓的 阅读全文
posted @ 2018-10-31 14:02
zarjen
阅读(870)
评论(0)
推荐(0)
浙公网安备 33010602011771号