DEEP LEARNING之三十三:Google Inception网络
卷积神经网络是强大的,同时也是灵活的,我们在设计时往往有很多的选择,比如下边一层我们应该用卷积层还是… 继续阅读 DEEP LEARNING之三十三:Google Inception网络
薛鹏的个人博客
卷积神经网络是强大的,同时也是灵活的,我们在设计时往往有很多的选择,比如下边一层我们应该用卷积层还是… 继续阅读 DEEP LEARNING之三十三:Google Inception网络
你可能会疑惑为什么会有用1乘1 Filter的卷积层。它只是对数字乘一个固定的数字罢了,有什么用呢?… 继续阅读 DEEP LEARNING之三十二:1乘1 filter 卷积层
如果数据够多,网络越深,越能发现更准确的模型。但是之前我们讲过随着神经网络的增大,会出现梯度消失和梯… 继续阅读 DEEP LEARNING之三十一:残差网络(Residual Networks)
LeNet-5 LeNet-5 可以说是卷积神经网络的开山鼻祖。它是由卷积神经网络之父Yan LeC… 继续阅读 DEEP LEARNING之三十:经典卷积神经网络赏析(LeNet-5,AlexNet,VGG-16)
在卷积神经网络中一般包含着三种不同类型的层,分别是之前讲过的卷积层,还有池化层,以及全连接层。它们各… 继续阅读 DEEP LEARNING之二十九:卷积神经网络中的卷积层,池化层,全连接层
我们这一篇文章就正式的看一下在卷积神经网络中,一个卷积层是怎么进行运算的。 经典神经网络里的全连接层… 继续阅读 DEEP LEARNING之二十八:卷积神经网络的一层
之前我们的例子中只是对灰度值进行了检测,但对一个彩色图片来说,它有3个通道(channel):R,G… 继续阅读 DEEP LEARNING之二十七:在卷积神经网络中多通道多Filter检测
卷积带来的问题 应用卷积后,我们发现带来两个问题。 数据损失 应用卷积后,我们会发现输出的矩阵总是小… 继续阅读 DEEP LEARNING之二十六:卷积神经网络中的Padding和Strided 卷积
通过上一篇文章,你可能看到一个经过巧妙设计的Filter具有了检测竖直边缘的能力。这一篇文章我们就来… 继续阅读 DEEP LEARNING之二十五:卷积神经网络中关于Edge Detection的Filter
人类获取外界信息最重要的途径就是视觉。要想实现AI,计算机也必须能够理解视觉内容。深度学习,特别是加… 继续阅读 DEEP LEARNING之二十四:计算机视觉与卷积神经网络