卷積神經(jīng)網(wǎng)絡(luò)的輸出單元數(shù)計(jì)算方法 `Conv2D`要求輸入的x的形狀為`(batch_size, in_channels, height, wi...
卷積神經(jīng)網(wǎng)絡(luò)的輸出單元數(shù)計(jì)算方法 `Conv2D`要求輸入的x的形狀為`(batch_size, in_channels, height, wi...
計(jì)算機(jī)視覺(jué)現(xiàn)狀(The state of computer vision) 深度學(xué)習(xí)已經(jīng)成功地應(yīng)用于計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理譬挚、語(yǔ)音識(shí)別锅铅、在線廣告...
這一周我們學(xué)習(xí)的主要內(nèi)容是對(duì)象檢測(cè)减宣,它是計(jì)算機(jī)視覺(jué)領(lǐng)域中一個(gè)新興的應(yīng)用方向盐须,相比前兩年,它的性能越來(lái)越好漆腌。在構(gòu)建對(duì)象檢測(cè)之前,我們先了解一下對(duì)象...
特征點(diǎn)檢測(cè)(Landmark detection) 上節(jié)課闷尿,我們講了如何利用神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)象定位,即通過(guò)輸出四個(gè)參數(shù)值b_x填具、b_y统舀、b_h和b...
目標(biāo)檢測(cè)(Object detection) 學(xué)過(guò)了對(duì)象定位和特征點(diǎn)檢測(cè)劳景,今天我們來(lái)構(gòu)建一個(gè)對(duì)象檢測(cè)算法誉简。這節(jié)課,我們將學(xué)習(xí)如何通過(guò)卷積網(wǎng)絡(luò)進(jìn)行...
卷積的滑動(dòng)窗口實(shí)現(xiàn)(Convolutional implementation of sliding windows) 上節(jié)筆記闷串,我們學(xué)習(xí)了如何通...
Bounding Box預(yù)測(cè)(Bounding box predictions) 在上一篇筆記中筋量,你們學(xué)到了滑動(dòng)窗口法的卷積實(shí)現(xiàn)烹吵,這個(gè)算法效率更...
遷移學(xué)習(xí)(Transfer Learning) 如果你要做一個(gè)計(jì)算機(jī)視覺(jué)的應(yīng)用毛甲,相比于從頭訓(xùn)練權(quán)重年叮,或者說(shuō)從隨機(jī)初始化權(quán)重開始具被,如果你下載別人已...
數(shù)據(jù)擴(kuò)充(Data augmentation) 大部分的計(jì)算機(jī)視覺(jué)任務(wù)使用很多的數(shù)據(jù),所以數(shù)據(jù)擴(kuò)充是經(jīng)常使用的一種技巧來(lái)提高計(jì)算機(jī)視覺(jué)系統(tǒng)的表現(xiàn)...
殘差網(wǎng)絡(luò)(Residual Networks (ResNets)) 非常非常深的神經(jīng)網(wǎng)絡(luò)是很難訓(xùn)練的七咧,非常非常深的神經(jīng)網(wǎng)絡(luò)是很難訓(xùn)練的跃惫,非常非常...