YOLO 算法（Putting it together: YOLO algorithm） 你們已經(jīng)學(xué)到對象檢測算法的大部分組件了，在這個筆記里芭碍，我們會把所有組件組裝在一起構(gòu)成...
發(fā)簡信
IP屬地：江蘇
-
吳恩達深度學(xué)習(xí)筆記(100)-目標(biāo)檢測之YOLO 算法講解
-
吳恩達深度學(xué)習(xí)筆記(99)-目標(biāo)檢測之Anchor Boxes
Anchor Boxes 到目前為止卷仑，對象檢測中存在的一個問題是每個格子只能檢測出一個對象，如果你想讓一個格子檢測出多個對象田巴，你可以這么做钠糊，就是使用anchor box這個概...
-
吳恩達深度學(xué)習(xí)筆記(98)-目標(biāo)檢測之NMS非極大值抑制11
非極大值抑制（Non-max suppression） 到目前為止你們學(xué)到的對象檢測中的一個問題是，你的算法可能對同一個對象做出多次檢測固额，所以算法不是對某個對象檢測出一次眠蚂，而...
-
吳恩達深度學(xué)習(xí)筆記(97)-目標(biāo)檢測之IOU交并比
交并比（Intersection over union） 你如何判斷對象檢測算法運作良好呢？在本筆記中斗躏，你將了解到并交比函數(shù)逝慧，可以用來評價對象檢測算法。在下一個筆記中啄糙，我們用...
-
吳恩達深度學(xué)習(xí)筆記(96)-目標(biāo)檢測之Bounding Box預(yù)測
Bounding Box預(yù)測（Bounding box predictions） 在上一篇筆記中笛臣，你們學(xué)到了滑動窗口法的卷積實現(xiàn)，這個算法效率更高隧饼，但仍然存在問題沈堡，不能輸出最...
-
吳恩達深度學(xué)習(xí)筆記(95)-目標(biāo)檢測之卷積網(wǎng)絡(luò)滑動窗口實現(xiàn)
卷積的滑動窗口實現(xiàn)（Convolutional implementation of sliding windows） 上節(jié)筆記，我們學(xué)習(xí)了如何通過卷積網(wǎng)絡(luò)實現(xiàn)滑動窗口對象檢測...
-
吳恩達深度學(xué)習(xí)筆記(94)-目標(biāo)檢測之檢測算法
目標(biāo)檢測（Object detection） 學(xué)過了對象定位和特征點檢測燕雁，今天我們來構(gòu)建一個對象檢測算法诞丽。這節(jié)課，我們將學(xué)習(xí)如何通過卷積網(wǎng)絡(luò)進行對象檢測拐格，采用的是基于滑動窗口...
-
吳恩達深度學(xué)習(xí)筆記(93)-目標(biāo)檢測之特征點檢測
特征點檢測（Landmark detection） 上節(jié)課僧免，我們講了如何利用神經(jīng)網(wǎng)絡(luò)進行對象定位，即通過輸出四個參數(shù)值b_x捏浊、b_y懂衩、b_h和b_w給出圖片中對象的邊界框。更...
-
吳恩達深度學(xué)習(xí)筆記(92)-目標(biāo)檢測之目標(biāo)定位
這一周我們學(xué)習(xí)的主要內(nèi)容是對象檢測金踪，它是計算機視覺領(lǐng)域中一個新興的應(yīng)用方向浊洞，相比前兩年，它的性能越來越好胡岔。在構(gòu)建對象檢測之前法希，我們先了解一下對象定位，首先我們看看它的定義靶瘸。 ...
-
吳恩達深度學(xué)習(xí)筆記(91)-帶你了解計算機視覺現(xiàn)狀
計算機視覺現(xiàn)狀（The state of computer vision） 深度學(xué)習(xí)已經(jīng)成功地應(yīng)用于計算機視覺苫亦、自然語言處理尖淘、語音識別、在線廣告著觉、物流還有其他許多問題村生。 在計...
-
吳恩達深度學(xué)習(xí)筆記(90)-數(shù)據(jù)擴充（Data augmentation）
數(shù)據(jù)擴充（Data augmentation） 大部分的計算機視覺任務(wù)使用很多的數(shù)據(jù)，所以數(shù)據(jù)擴充是經(jīng)常使用的一種技巧來提高計算機視覺系統(tǒng)的表現(xiàn)饼丘。我認為計算機視覺是一個相當(dāng)復(fù)...
-
吳恩達深度學(xué)習(xí)筆記(89)-遷移學(xué)習(xí)（Transfer Learning）
遷移學(xué)習(xí)（Transfer Learning） 如果你要做一個計算機視覺的應(yīng)用趁桃，相比于從頭訓(xùn)練權(quán)重，或者說從隨機初始化權(quán)重開始肄鸽，如果你下載別人已經(jīng)訓(xùn)練好網(wǎng)絡(luò)結(jié)構(gòu)的權(quán)重卫病，你通常...
-
吳恩達深度學(xué)習(xí)筆記(88)-谷歌 Inception 網(wǎng)絡(luò)簡介Inception(2)
Inception 網(wǎng)絡(luò)（Inception network） 在上節(jié)筆記中，你已經(jīng)見到了所有的Inception網(wǎng)絡(luò)基礎(chǔ)模塊典徘。在本節(jié)筆記中蟀苛，我們將學(xué)習(xí)如何將這些模塊組合起來...
-
吳恩達深度學(xué)習(xí)筆記(87)-谷歌 Inception 網(wǎng)絡(luò)簡介Inception(1)
谷歌 Inception 網(wǎng)絡(luò)簡介（Inception network motivation） 構(gòu)建卷積層時，你要決定過濾器的大小究竟是1×1逮诲，3×3還是5×5帜平，或者要不要添...
-
吳恩達深度學(xué)習(xí)筆記(86)-1×1 卷積講解
網(wǎng)絡(luò)中的網(wǎng)絡(luò)以及 1×1 卷積（Network in Network and 1×1 convolutions） 在架構(gòu)內(nèi)容設(shè)計方面，其中一個比較有幫助的想法是使用1×1卷積...
-
吳恩達深度學(xué)習(xí)筆記(85)-殘差網(wǎng)絡(luò)為什么起作用梅鹦？
殘差網(wǎng)絡(luò)為什么有用裆甩？（Why ResNets work?） 為什么ResNets能有如此好的表現(xiàn)，我們來看個例子齐唆，它解釋了其中的原因嗤栓，至少可以說明，如何構(gòu)建更深層次的ResN...
-
吳恩達深度學(xué)習(xí)筆記(84)-殘差網(wǎng)絡(luò)講解 (ResNets)
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)練的箍邮，非常非常深的神經(jīng)網(wǎng)絡(luò)是很難訓(xùn)練的茉帅，非常非常深的神經(jīng)網(wǎng)絡(luò)是很難訓(xùn)練的，記住...
-
吳恩達深度學(xué)習(xí)筆記(83)-LeNet-5锭弊、AlexNet和VGGNet網(wǎng)絡(luò)知多少
經(jīng)典網(wǎng)絡(luò)（Classic networks） 這節(jié)課堪澎，我們來學(xué)習(xí)幾個經(jīng)典的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，分別是LeNet-5廷蓉、AlexNet和VGGNet全封。 LeNet-5 首先看看LeNe...
-
吳恩達深度學(xué)習(xí)筆記(82)-深度卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展史
為什么要探索發(fā)展史(實例分析)马昙？ 我們首先來看看一些卷積神經(jīng)網(wǎng)絡(luò)的實例分析桃犬，為什么要看這些實例分析呢？ 上周我們講了基本構(gòu)建行楞，比如卷積層攒暇、池化層以及全連接層這些組件。 事實上...